توسعه خودکارسازی اسناد بالینی با استفاده از GPT-4
توسعه خودکارسازی اسناد بالینی با استفاده از GPT-4 در جهان با آغاز همکاری Epic و OpenAI مایکروسافت
.jpg)
مدل‌های Large language (LLM) به دلیل توانایی در پردازش حجم وسیعی از داده‌ها، در حل مسئله الگوریتمی مؤثر هستند. یک مطالعه نشان داد که ChatGPT نسخه 4 به طور دقیق 39٪ از چالش های موردی مجله پزشکی نیوانگلند را تشخیص داده است، که پتانسیل آن را به عنوان یک ابزار تکمیلی برای پزشکان نشان می دهد. با این حال، هنگامی که فقط روی سناریوهای کودکان از JAMA Pediatrics و NEJM آزمایش شد، ربات چت دارای 83 درصد خطای تشخیصی بود. بسیاری از تشخیص‌های نادرست به تشخیص صحیح مرتبط بودند، اما فاقد ویژگی بودند. علیرغم این محدودیت ها، LLM ها و چت بات ها در وظایف اداری در پزشکی امیدوار کننده هستند. هدف همکاری بین Epic و OpenAI مایکروسافت، خودکارسازی اسناد بالینی با استفاده از GPT-4 است. برای افزایش دقت تشخیصی، آموزش انتخابی و دسترسی به موقع به اطلاعات پزشکی مورد نیاز است. بهبود آموزش و تنظیم LLM برای عملکردهای پزشکی می تواند قابلیت های تشخیصی آنها را بهینه کند.
Large language models (LLMs) are effective in algorithmic problem-solving due to their ability to process vast amounts of data. A study found that ChatGPT version 4 accurately diagnosed 39% of New England Journal of Medicine case challenges, suggesting its potential as a supplementary tool for clinicians. However, when tested on solely pediatric scenarios from JAMA Pediatrics and NEJM, the chatbot had an 83% diagnostic error rate. Many incorrect diagnoses were related to the correct diagnosis but lacked specificity. Despite these limitations, LLMs and chatbots show promise in administrative tasks within medicine. Collaboration between Epic and Microsoft's OpenAI aims to automate clinical documentation using GPT-4. To enhance diagnostic accuracy, selective training and real-time access to medical information are needed. Improving the training and tuning of LLMs for medical functions could optimize their diagnostic capabilities.
منبع:
کامنت