通过半结构化数据和大型语言模型集成自动生成高质量的医学仿真场景
本研究探讨了大型语言模型,如 OpenAI ChatGPT 在医学成像方面的变革潜力。通过公共数据辅助,这些模型增强了放射科医生的解释技能,提高患者与医生之间的沟通,并简化了临床工作流程。本文提出了一个分析框架,解释了 LLMs 与医学成像利益相关者(包括企业、保险机构、政府、研究机构和医院)之间的复杂相互作用,通过详细分析、实例应用和探讨其广泛影响及未来方向,旨在引发就 AI 助力医疗保健的战略规划和决策的讨论。
Jun, 2023
通过使用人工智能的生成式大型语言模型,可以使其作为自主的循证医学的从业者,通过工具的使用与真实世界的医疗系统进行交互,并以符合指南的方式执行患者管理任务,这有可能通过进一步的改进来推动医疗的转型。
Jan, 2024
我们的研究开发了一个基于统一医学语言系统(UMLS)的增强型大型语言模型(LLMs)框架,通过自动和医师评估等方法,实验证明了该框架有效地提高了生成内容的准确性、完整性和相关性,同时突出了大型语言模型在医学问答中的潜在应用价值。
Oct, 2023
大型语言模型(LLMs)在医疗保健领域的应用具有重要意义,为了充分利用其交互潜力,本文提出了 AI Hospital 框架,用于构建实时互动诊断环境,并通过多视角医学评估(MVME)基准和协作机制来验证其可行性和有效性。
Feb, 2024
本文描述了一个支持扩展多模态交互的系统,通过使用大型语言模型 (LLMs) 将用户的英语语句映射到领域特定的代码,我们探索了 LLMs 在上下文敏感性方面捕捉演算发言者意图的程度。
Oct, 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
通过呈现示例创新的学习场景,探索了多模态大语言模型 (MLLMs) 在科学教育的核心方面的转变作用,包括文本创作、个性化学习支持、培养科学实践能力以及提供评估和反馈。同时,强调了在实施 MLLMs 时采取平衡的方法的必要性,确保技术对教育者角色的补充,以确保人工智能在科学教育中的有效和道德使用。
Jan, 2024
该调查论文介绍了 LLMs 和 MLLMs 的发展背景和原则,并探讨了它们在医学中的应用场景、挑战和未来方向。通过追踪从传统模型到 LLMs 和 MLLMs 的演变,概括了模型结构以提供详细的基础知识。强调 LLMs 和 MLLMs 在医疗保健中的巨大价值,调查总结了 6 个有前景的医疗应用。同时讨论了医学 LLMs 和 MLLMs 面临的挑战,并提出了将人工智能与医学进一步整合的可行方法和方向。旨在为研究人员提供一个有价值且全面的参考指南。
May, 2024
通过结合大型语言模型和现实临床场景,CureFun 提供了一种虚拟模拟患者教育框架,可以促进学生和模拟患者之间的自然对话,评估他们的对话并提供建议,以提升学生的临床查询技能。此外,借助 CureFun 的评估能力,我们还对几种医学大型语言模型进行了评估,并从诊断能力的角度讨论了使用大型语言模型作为虚拟医生的可能性和局限性。
Apr, 2024
通过四个案例研究展示了大型语言模型在医疗保健中的应用,包括分析 Reddit 上的心理健康讨论、为老年人进行认知参与开发个性化聊天机器人、总结医疗对话数据集和设计 AI 助力病患参与系统。同时讨论了在医疗保健环境中引入大型语言模型的道德考虑、最佳实践和指南。
Jun, 2024