論文の概要: Comparative Analysis of Drug-GPT and ChatGPT LLMs for Healthcare
Insights: Evaluating Accuracy and Relevance in Patient and HCP Contexts
- arxiv url: http://arxiv.org/abs/2307.16850v1
- Date: Mon, 24 Jul 2023 19:27:11 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-06 11:22:49.089695
- Title: Comparative Analysis of Drug-GPT and ChatGPT LLMs for Healthcare
Insights: Evaluating Accuracy and Relevance in Patient and HCP Contexts
- Title（参考訳）: 医療現場における薬用GPTおよびチャットGPTLLMの比較分析 : 患者およびHCPコンテキストにおける精度と関連性の評価
- Authors: Giorgos Lysandrou, Roma English Owen, Kirsty Mursec, Grant Le Brun,
Elizabeth A. L. Fairley
- Abstract要約: 本研究では,3つの生成事前学習型トランスフォーマー(GPT)ソリューションの質問と回答(Q&A)設定における比較分析を行った。
本研究の目的は,アトピー性皮膚炎 (AD) と糖尿病に関する医療専門家 (HCP) の議論に関連し,どのモデルが最も正確かつ関連性の高い情報を提供するかを決定することである。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: This study presents a comparative analysis of three Generative Pre-trained
Transformer (GPT) solutions in a question and answer (Q&A) setting: Drug-GPT 3,
Drug-GPT 4, and ChatGPT, in the context of healthcare applications. The
objective is to determine which model delivers the most accurate and relevant
information in response to prompts related to patient experiences with atopic
dermatitis (AD) and healthcare professional (HCP) discussions about diabetes.
The results demonstrate that while all three models are capable of generating
relevant and accurate responses, Drug-GPT 3 and Drug-GPT 4, which are supported
by curated datasets of patient and HCP social media and message board posts,
provide more targeted and in-depth insights. ChatGPT, a more general-purpose
model, generates broader and more general responses, which may be valuable for
readers seeking a high-level understanding of the topics but may lack the depth
and personal insights found in the answers generated by the specialized
Drug-GPT models. This comparative analysis highlights the importance of
considering the language model's perspective, depth of knowledge, and currency
when evaluating the usefulness of generated information in healthcare
applications.
- Abstract（参考訳）: 本研究は、医療応用の文脈において、3つのジェネレーティブ・プレトレーニング・トランスフォーマー(GPT)ソリューションを質問・回答(Q&A)設定で比較分析した。
本研究の目的は,アトピー性皮膚炎 (AD) と糖尿病に関する医療専門家 (HCP) の議論に関連し,どのモデルが最も正確かつ関連性の高い情報を提供するかを決定することである。
以上の結果から,3モデルとも関連性および正確な応答を生成可能である一方で,患者およびHCPソーシャルメディアおよび掲示板投稿のキュレートされたデータセットによって支援されるD薬GPT3とD薬GPT4は,より標的的で詳細な洞察を提供する。
より汎用的なモデルであるchatgptは、より広くより一般的な応答を生成する。これは、トピックの高レベルな理解を求める読者にとって価値があるが、特殊な薬物gptモデルによって生成された回答に見られる深い洞察や個人的な洞察が欠如している可能性がある。
この比較分析は、医療アプリケーションにおける生成情報の有用性を評価する際に、言語モデルの視点、知識の深さ、通貨を考慮することの重要性を強調している。
関連論文リスト
- Reasoning-Enhanced Healthcare Predictions with Knowledge Graph Community Retrieval [61.70489848327436]
KAREは、知識グラフ(KG)コミュニティレベルの検索と大規模言語モデル(LLM)推論を統合する新しいフレームワークである。
MIMIC-IIIでは最大10.8～15.0%、MIMIC-IVでは12.6～12.7%である。
論文 参考訳（メタデータ） (2024-10-06T18:46:28Z) - MedInsight: A Multi-Source Context Augmentation Framework for Generating
Patient-Centric Medical Responses using Large Language Models [3.0874677990361246]
大きな言語モデル(LLM)は、人間のような応答を生成する素晴らしい能力を示している。
我々は,LLM入力を関連背景情報で拡張する新しい検索フレームワークMedInsightを提案する。
MTSamplesデータセットの実験は、文脈的に適切な医療応答を生成するMedInsightの有効性を検証する。
論文 参考訳（メタデータ） (2024-03-13T15:20:30Z) - Large Language Models in Medical Term Classification and Unexpected
Misalignment Between Response and Reasoning [28.355000184014084]
本研究は, 軽度認知障害 (MCI) 患者を退院サマリーから識別する, 最先端の大規模言語モデル (LLMs) の有効性を評価するものである。
データは、モデルの微調整と評価のために、トレーニング、検証、テストセットに7:2:1の比率で分割された。
FalconやLLaMA 2のようなオープンソースのモデルは高い精度を達成したが、説明的推論に欠けていた。
論文 参考訳（メタデータ） (2023-12-19T17:36:48Z) - A Systematic Evaluation of GPT-4V's Multimodal Capability for Medical
Image Analysis [87.25494411021066]
医用画像解析のためのGPT-4Vのマルチモーダル機能の評価を行った。
GPT-4Vは医用画像の理解に優れ、高品質な放射線診断レポートを生成する。
医用視覚接地の性能は大幅に改善する必要があることが判明した。
論文 参考訳（メタデータ） (2023-10-31T11:39:09Z) - Clairvoyance: A Pipeline Toolkit for Medical Time Series [95.22483029602921]
時系列学習は、データ駆動の*クリニカルな意思決定支援のパンとバターである*
Clairvoyanceは、ソフトウェアツールキットとして機能する、統合されたエンドツーエンドのオートMLフレンドリなパイプラインを提案する。
Clairvoyanceは、臨床時系列MLのための包括的で自動化可能なパイプラインの生存可能性を示す最初のものである。
論文 参考訳（メタデータ） (2023-10-28T12:08:03Z) - Navigating Healthcare Insights: A Birds Eye View of Explainability with
Knowledge Graphs [0.0]
知識グラフ(KGs)は、医療AI、特に薬物発見や薬学研究において注目を集めている。
この概要は、医療におけるKGの影響とその説明可能なAIモデルの開発における役割に関する最近の文献を要約する。
我々は、医療における知識注入学習を通じて、KGをより解釈しやすくすることの重要性を強調した。
論文 参考訳（メタデータ） (2023-09-28T16:57:03Z) - A Review on Knowledge Graphs for Healthcare: Resources, Applications, and Promises [52.31710895034573]
この研究は、医療知識グラフ(HKG)の最初の包括的なレビューを提供する。
HKG構築のためのパイプラインと重要なテクニックを要約し、一般的な利用方法も示す。
アプリケーションレベルでは、さまざまなヘルスドメインにわたるHKGの正常な統合を検討します。
論文 参考訳（メタデータ） (2023-06-07T21:51:56Z) - Informing clinical assessment by contextualizing post-hoc explanations
of risk prediction models in type-2 diabetes [50.8044927215346]
本研究は, 合併症リスク予測のシナリオを考察し, 患者の臨床状態に関する文脈に焦点を当てる。
我々は、リスク予測モデル推論に関する文脈を提示し、その受容性を評価するために、最先端のLLMをいくつか採用する。
本論文は,実世界における臨床症例における文脈説明の有効性と有用性を明らかにする最初のエンドツーエンド分析の1つである。
論文 参考訳（メタデータ） (2023-02-11T18:07:11Z) - Self-supervised Answer Retrieval on Clinical Notes [68.87777592015402]
本稿では,ドメイン固有パスマッチングのためのトランスフォーマー言語モデルをトレーニングするためのルールベースのセルフスーパービジョンであるCAPRを紹介する。
目的をトランスフォーマーベースの4つのアーキテクチャ、コンテキスト文書ベクトル、ビ-、ポリエンコーダ、クロスエンコーダに適用する。
本稿では,ドメイン固有パスの検索において,CAPRが強いベースラインを上回り,ルールベースおよび人間ラベル付きパスを効果的に一般化することを示す。
論文 参考訳（メタデータ） (2021-08-02T10:42:52Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。