論文の概要: Redefining Digital Health Interfaces with Large Language Models
- arxiv url: http://arxiv.org/abs/2310.03560v3
- Date: Thu, 29 Feb 2024 18:37:40 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-01 18:31:43.278851
- Title: Redefining Digital Health Interfaces with Large Language Models
- Title(参考訳): 大規模言語モデルによるデジタルヘルスインタフェースの再定義
- Authors: Fergus Imrie, Paulius Rauba, Mihaela van der Schaar
- Abstract要約: 大規模言語モデル(LLM)は、複雑な情報を処理できる汎用モデルとして登場した。
LLMが臨床医とデジタル技術との新たなインターフェースを提供する方法を示す。
自動機械学習を用いた新しい予後ツールを開発した。
- 参考スコア(独自算出の注目度): 69.02059202720073
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Digital health tools have the potential to significantly improve the delivery
of healthcare services. However, their adoption remains comparatively limited
due, in part, to challenges surrounding usability and trust. Large Language
Models (LLMs) have emerged as general-purpose models with the ability to
process complex information and produce human-quality text, presenting a wealth
of potential applications in healthcare. Directly applying LLMs in clinical
settings is not straightforward, however, with LLMs susceptible to providing
inconsistent or nonsensical answers. We demonstrate how LLM-based systems can
utilize external tools and provide a novel interface between clinicians and
digital technologies. This enhances the utility and practical impact of digital
healthcare tools and AI models while addressing current issues with using LLMs
in clinical settings such as hallucinations. We illustrate LLM-based interfaces
with the example of cardiovascular disease risk prediction. We develop a new
prognostic tool using automated machine learning and demonstrate how LLMs can
provide a unique interface to both our model and existing risk scores,
highlighting the benefit compared to traditional interfaces for digital tools.
- Abstract(参考訳): デジタルヘルスツールは、医療サービスのデリバリーを大幅に改善する可能性がある。
しかし、ユーザビリティと信頼に関わる課題があるため、その採用は比較的限定されている。
大規模言語モデル(llm)は、複雑な情報を処理し、人間品質のテキストを生成する能力を持つ汎用モデルとして登場し、医療における豊富な応用可能性を示している。
LLMを臨床環境で直接適用することは容易ではないが、LLMは一貫性のない、あるいは非感覚的な回答を与える可能性がある。
臨床医とデジタル技術との新たなインターフェースとして,LCMベースのシステムで外部ツールを活用できることを実証する。
これにより、幻覚などの臨床環境におけるLSMの使用に関する現在の問題に対処しながら、デジタルヘルスケアツールやAIモデルの実用性と実践的影響を高めることができる。
心血管疾患のリスク予測の例を例に, LLMベースのインターフェースについて述べる。
我々は、自動機械学習を用いた新しい予後ツールを開発し、LCMが我々のモデルと既存のリスクスコアの両方にユニークなインターフェースを提供することができることを示す。
関連論文リスト
- Large Language Model Distilling Medication Recommendation Model [61.89754499292561]
大規模言語モデル(LLM)の強力な意味理解と入力非依存特性を利用する。
本研究は, LLMを用いて既存の薬剤推奨手法を変換することを目的としている。
これを軽減するため,LLMの習熟度をよりコンパクトなモデルに伝達する機能レベルの知識蒸留技術を開発した。
論文 参考訳(メタデータ) (2024-02-05T08:25:22Z) - Machine Vision Therapy: Multimodal Large Language Models Can Enhance
Visual Robustness via Denoising In-Context Learning [71.0588455785955]
本稿では,視覚モデルからノイズ予測を補正するマシンビジョンセラピーを提案する。
復調ラベルを微調整することにより、教師なしの方法で学習モデルの性能を高めることができる。
論文 参考訳(メタデータ) (2023-12-05T07:29:14Z) - Benefits and Harms of Large Language Models in Digital Mental Health [40.02859683420844]
大型言語モデル (LLMs) は、デジタルメンタルヘルスを未知の領域に導くことを約束している。
本稿では、デジタルメンタルヘルスツールの設計、開発、実装においてLLMがもたらす可能性とリスクについて、現代の展望を示す。
論文 参考訳(メタデータ) (2023-11-07T14:11:10Z) - Large Language Models Illuminate a Progressive Pathway to Artificial
Healthcare Assistant: A Review [16.008511195589925]
大規模言語モデル(LLM)は、人間のレベルの言語理解と推論を模倣する有望な能力を示している。
本稿では,医学におけるLSMの応用と意義について概説する。
論文 参考訳(メタデータ) (2023-11-03T13:51:36Z) - LLM-driven Multimodal Target Volume Contouring in Radiation Oncology [55.20049911531224]
大規模言語モデル(LLM)は、テキスト情報と画像の統合を容易にする。
LLM駆動型マルチモーダルAIを,放射線治療における目標音量調整の課題に適用する。
提案モデルでは,従来の視覚のみのAIモデルと比較して,性能が著しく向上していることを示す。
論文 参考訳(メタデータ) (2023-11-03T13:38:42Z) - A Survey of Large Language Models for Healthcare: from Data, Technology,
and Applications to Accountability and Ethics [33.71952776775613]
Healthcareドメインの大規模言語モデル(LLM)は、フリーテキストクエリに効果的に応答できるため、興奮と懸念の両方を引き起こしている。
本調査では、現在開発中のLLMs for Healthcareの能力について概説し、開発プロセスについて解説する。
論文 参考訳(メタデータ) (2023-10-09T13:15:23Z) - Multimodal LLMs for health grounded in individual-specific data [1.8473477867376036]
基礎となる大規模言語モデル(LLM)は、健康を含む幅広い分野のタスクを解く素晴らしい能力を示している。
我々は、個人固有のデータに基づいて、健康のためのマルチモーダルLSMを作成するための一歩を踏み出した。
我々は,HLMが高次元時系列データに加えて,人口統計学的,臨床的特徴を効果的に利用し,疾患リスクを推定できることを示した。
論文 参考訳(メタデータ) (2023-07-18T07:12:46Z) - Self-Verification Improves Few-Shot Clinical Information Extraction [73.6905567014859]
大規模言語モデル (LLMs) は、数発のテキスト内学習を通じて臨床キュレーションを加速する可能性を示している。
正確性や解釈可能性に関する問題、特に健康のようなミッションクリティカルな領域ではまだ苦戦している。
本稿では,自己検証を用いた汎用的な緩和フレームワークについて検討する。このフレームワークはLLMを利用して,自己抽出のための証明を提供し,その出力をチェックする。
論文 参考訳(メタデータ) (2023-05-30T22:05:11Z) - ChatGPT for Shaping the Future of Dentistry: The Potential of
Multi-Modal Large Language Model [18.59603757924943]
ChatGPT は OpenAI が開発した GPT-4 (Generative Pretrained Transformer 4) のエレガントで対話的なバリエーションである。
本稿では,歯学におけるLarge Language Models(LLMs)の今後の応用について論じる。
論文 参考訳(メタデータ) (2023-03-23T15:34:26Z) - ChatCAD: Interactive Computer-Aided Diagnosis on Medical Image using
Large Language Models [53.73049253535025]
大規模言語モデル(LLM)は、最近臨床応用においてその可能性を実証している。
本稿では,LLMを医療画像CADネットワークに統合する手法を提案する。
LLMの医用領域知識と論理的推論の強みを、既存の医用画像CADモデルの視覚理解能力と融合させることが目的である。
論文 参考訳(メタデータ) (2023-02-14T18:54:06Z)
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。