RadOnc-GPT 是医学领域中的LLM
在医学领域中，很少有领域比放射肿瘤学需要更高的精度或数据。 RadOnc-GPT 是一种经过微调的 LLM，使用 Meta Llama 2 构建，有可能显着改善放射治疗决策。
在医学领域，很少有领域比放射肿瘤学需要更高的精度或更多的数据。患者的生命取决于在这个专业领域获得正确的治疗。
Mayo Clinic 的开创性 RadOnc-GPT 是一种利用 Meta Llama 2 的大型语言模型 (LLM)，有可能显着提高放射治疗决策的速度、准确性和质量，使医生和患者受益。他们服务的病人。它根据亚利桑那州梅奥诊所的放射肿瘤学患者记录的大型数据集进行了微调。由于该模型是使用运行本地 GPU 服务器的 Llama 2 在本地进行训练的，因此不会在安全网络之外共享患者数据。所有研究均得到机构审查委员会的批准。
“经过适当微调的开源 LLMs 具有彻底改变放射肿瘤学和其他高度专业化医疗保健领域的巨大潜力，”梅奥放射肿瘤学教授兼医学物理部研究主任 Wei Liu 博士说亚利桑那州的诊所。
RadOnc-GPT 的直接临床用例是患者随访。刘的团队计划开发一个聊天机器人来回答患者在放疗后提出的常规问题，减少护士和临床医生的工作量，使他们能够专注于更优先的工作。
未来的发展可能包括扩展到其他临床任务，例如构建用于预测放射肿瘤学患者结果的模型。此外，Liu 表示，团队正在考虑利用最近发布的更先进的 Llama 3 模型来增强其性能。
人工智能驱动的工具可以自动执行日常任务，快速分析复杂的数据集，并识别可能逃脱人类注意的模式，从而为医疗保健提供者节省宝贵的时间。这种加速和效率使临床医生能够专注于最优先的工作，例如复杂病例中的直接患者护理和决策。
刘表示，梅奥诊所团队已与佐治亚大学的一个医疗保健自然语言处理小组合作多年，积极关注该行业的最新发展。
他们选择 Llama 2 作为派生 RadOnc-GPT 的基础模型，该模型对三个关键任务进行指令调整：生成放射治疗方案、确定最佳放射方式以及提供诊断描述/基于国际疾病统计分类 (ICD-10) 代码关于患者的诊断详细信息。
与一般LLMs相比，Llama 2 的 RadOnc-GPT 提高了特异性和临床相关性。
“这个过程传统上非常耗时，依赖于对大量非结构化临床数据的手动分析，并且容易受到人类解释变化的影响，”刘说。 “用于语言处理的有效工具可以显着增强放射治疗的每个阶段，并有可能改善治疗结果。”
该团队进行了大量的手动处理，以克服整理和准备放射肿瘤学数据集的挑战，其中涉及从患者记录中提取、分离和标记相关信息。
开源的影响
刘说，开源先进的人工智能模型使梅奥诊所能够直接在其研究中使用尖端模型，并加速开发过程。对临床方面的影响也被放大，改善了患者护理。该计划的目标甚至不仅仅是提高治疗干预的精确度。
“这还在于培育一个数据安全至关重要的生态系统，”刘说。 “在肿瘤学领域，患者数据高度敏感，确保患者的机密性永远不会受到损害尤其重要。”
对于较小的公司和机构来说，开源人工智能系统对于创新民主化、促进医学科学的集体进步至关重要。 Liu 表示，开源方法可以让资源有限的小型组织能够开发自己的定制模型。
如果想详细了解，可以点开视频下方的链接。
谢谢观看本视频。要是喜欢，请订阅、点赞。谢谢
更多详细信息 ： https://go.fb.me/ma1vim
