大语言模型时代的生物医学人工智能
大型语言模型在科学计算应用中的应用领域和研究进行了概述,重点突出了涉及科学文献和描述物理系统的专用语言的自然语言处理的使用案例。在医学、数学和物理学领域,聊天机器人样式的应用可以与领域专家进行迭代,进行问题解决。同时,我们还对分子生物学中的专用语言进行了审查,这些语言包括分子、蛋白质和 DNA 的使用,语言模型被用于预测特性,甚至以比传统计算方法快得多的速度创建新型物理系统。
Jun, 2024
本文讨论了过去十年在生物医学和大型语言模型方面取得的进展,还讨论了自然语言处理技术和工具如何与生物医学相结合。最后,通过引入一系列新的问题和提示,本文旨在对去年一项调查的结果进行扩展,以 quantifying 大型语言模型的推理能力改进以及普通用户所感受到的改进程度。此外,本文还通过要求大型语言模型深入回答开放性问题,扩展了生物文献检索的研究领域。
May, 2024
该研究调查了大型语言模型在生物医学和健康领域中的多种应用,包括生物医学信息检索、问答、文本摘要、信息提取和医学教育等,并研究了 LLM 是否具有革新这些任务的能力,发现 LLMs 在生物医学文献生成方面已取得了显著进展,但在其他方面,其进展并不太大。虽然大型语言模型在生物医学与健康领域应用的潜力巨大,但其使用也存在某些风险和挑战,例如可疑生成的信息以及涉及敏感病人数据的法律和隐私问题。
Jun, 2023
通过综述大型语言模型在医学领域中的应用和意义,揭示了它们在知识检索、研究支持、临床工作流自动化和诊断辅助等方面的效用,并探索了多模态语言模型以及自动化代理在医疗保健中的发展潜力。然而,为了有效地将这些模型整合到临床实践中,需要不断优化和进行伦理监管。
Nov, 2023
本文为大规模 AI 模型在健康信息学中的应用提供了全面的综述,提出了大 AI 模型适用的七个关键领域和面临的挑战,并讨论了它们在未来方向和转化健康信息学领域的潜力和可能面临的风险。
Mar, 2023
基于大型语言模型(LLMs)的研究和应用在生物信息学领域有着巨大潜力和效力,该研究通过分析各种关键生物信息学任务,证明了 LLMs(如 GPT 变体)在给定适当提示的情况下可以成功处理大多数任务,同时也分析了在复杂生物信息学任务中的局限性。
Feb, 2024
本研究通过实验验证了 GPT-3 和 GPT-4 在 8 个 BioNLP 应用中的性能表现,并对其识别错误进行了分析,提出了在 BioNLP 应用中使用 LLMs 的建议。
May, 2023
我们的研究在生物医学领域提出了一个新的指导数据集,利用医学图像文本对,提出了一种新的图像编码策略,通过使用分层表示改善了精细的生物医学视觉理解,并且开发了 LLama3-Med 模型,在生物医学视觉问答基准测试中实现了最先进的零 - shot 性能,相比于以前的方法,平均性能提高超过 10%,这些进展为医疗专业人员提供了更准确可靠的工具,弥补了当前多模态对话助手中的差距,并促进了医疗人工智能的进一步创新。
Jun, 2024
本文研究了大型语言模型在临床医学领域的应用,探讨了通过让模型能够访问外部医疗工具,以响应医生查询的方式来实现医疗指南和建议推荐的能力,并展示了在各种临床场景中显著提高事实准确性、有效性和安全性的结果。
Mar, 2023