Может ли языковая модель революционизировать радиологию? Познакомьтесь с Radiology-Llama2 большой языковой моделью, специализированной для радиологии через процесс, известный как настройка инструкций.
Radiology-Llama2, a specialized language model, can revolutionize radiology through instruction tuning.
Большие модели языка (LLM), построенные на трансформерах, включая ChatGPT и GPT-4, продемонстрировали удивительные возможности обработки естественного языка. Создание моделей NLP на основе трансформеров стимулировало прогресс в проектировании и использовании моделей на основе трансформеров в компьютерном зрении и других модальностях. С ноября 2022 года LLM использовались в клинических исследованиях, фармации, радиографии, болезни Альцгеймера, сельском хозяйстве и исследованиях мозга, вдохновленные разнообразными качествами и широким признанием ChatGPT. Однако их использование еще не получило широкого применения в специализированных областях, таких как здравоохранение. Во-первых, из-за законов о конфиденциальности больницы не могут обмениваться или загружать данные в коммерческие модели, такие как ChatGPT или GPT-4; поэтому локализованные модели большого языка необходимы для реального здравоохранения.
Для реального здравоохранения необходимо модель, адекватно обученная на клинически значимых данных, так как LLM, обученные на широких областях, таких как ChatGPT, GPT-4 и PaLM 2, требуют большего медицинского опыта в специализированных областях, таких как радиология. Кроме того, хотя их Radiology-Llama2 точно имитирует речевые шаблоны радиологов, модели, подобные ChatGPT, предоставляют подробные ответы, похожие на Википедию, в отличие от ясного и простого языка, используемого настоящими радиологами, что ускоряет передачу информации. Наконец, их исследование подготавливает почву для индивидуальных радиологических помощников, которые соответствуют предпочтениям каждого врача.
LLM Radiology-Llama2, настроенная на радиологию путем настройки инструкций для предоставления радиологических впечатлений от результатов, заполняет этот пробел в научной литературе. Исследования показывают, что она превосходит стандартные LLM по качеству, краткости и клинической полезности получаемых впечатлений.
- Множественное сотрудничество искусственного интеллекта помогает рассуждениям и фактической точности в больших языковых моделях.
- Ray сияет с использованием NVIDIA AI Сотрудничество с Anyscale помогает разработчикам создавать, настраивать, обучать и масштабировать производственные LLMs
- Практическое занятие с обучением с учителем линейная регрессия
• Современные результаты: На наборах данных MIMIC-CXR и OpenI превосходит все другие языковые модели в генерации клинических впечатлений, устанавливая новый стандарт.
• Гибкость и динамизм: В отличие от конкурентов на основе BERT, Radiology-Llama2 не ограничена определенной структурой ввода, что позволяет использовать более широкий спектр входных данных и гибкость для различных радиологических задач, включая сложное логическое мышление.
• Клиническая применимость с возможностями разговора: У генеративных LLM есть встроенные возможности разговора, позволяющие им отвечать на запросы и предоставлять контекстную информацию, подобную человеческой. Это улучшает диагностику и отчетность, делая Radiology-Llama2 очень полезным для медицинских практиков в клиническом контексте.
Правильно построенные локализованные LLM могут революционизировать радиологию, как показано на примере Radiology-Llama2.
Если они надлежащим образом регулируются, они обладают большим потенциалом для клинической помощи в принятии решений и других областях применения. Результаты этого исследования открывают возможности для специализированных LLM в дополнительных медицинских специальностях. В заключение, Radiology-Llama2 является значительным прогрессом в использовании LLM в медицине. Такие специализированные LLM могут способствовать прогрессу в медицинском искусственном интеллекте с постоянным изучением моделей и их оценкой.
