論文の概要: Development and Testing of a Novel Large Language Model-Based Clinical
Decision Support Systems for Medication Safety in 12 Clinical Specialties
- arxiv url: http://arxiv.org/abs/2402.01741v1
- Date: Mon, 29 Jan 2024 16:03:29 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-11 16:02:07.800854
- Title: Development and Testing of a Novel Large Language Model-Based Clinical
Decision Support Systems for Medication Safety in 12 Clinical Specialties
- Title(参考訳): 新規大規模言語モデルに基づく医薬品安全のための臨床判断支援システムの開発と試験
- Authors: Jasmine Chiat Ling Ong, Liyuan Jin, Kabilan Elangovan, Gilbert Yong
San Lim, Daniel Yan Zheng Lim, Gerald Gui Ren Sng, Yuhe Ke, Joshua Yi Min
Tung, Ryan Jian Zhong, Christopher Ming Yao Koh, Keane Zhi Hao Lee, Xiang
Chen, Jack Kian Chng, Aung Than, Ken Junyang Goh, Daniel Shu Wei Ting
- Abstract要約: 安全な処方薬を処方するための臨床診断支援システム(CDSS)として,新規な検索言語モデル(RAG-Large Language Model,LLM)を導入する。
このモデルは、患者コンテキストや制度ガイドラインに合わせて、関連する処方エラー警告を提供することによって、従来のルールベースのCDSSの制限に対処する。
- 参考スコア(独自算出の注目度): 3.963266190903893
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Importance: We introduce a novel Retrieval Augmented Generation (RAG)-Large
Language Model (LLM) as a Clinical Decision Support System (CDSS) for safe
medication prescription. This model addresses the limitations of traditional
rule-based CDSS by providing relevant prescribing error alerts tailored to
patient context and institutional guidelines.
Objective: The study evaluates the efficacy of an LLM-based CDSS in
identifying medication errors across various medical and surgical case
vignettes, compared to a human expert panel. It also examines clinician
preferences among different CDSS integration modalities: junior pharmacist,
LLM-based CDSS alone, and a combination of both.
Design, Setting, and Participants: Utilizing a RAG model with GPT-4.0, the
study involved 61 prescribing error scenarios within 23 clinical vignettes
across 12 specialties. An expert panel assessed these cases using the PCNE
classification and NCC MERP index. Three junior pharmacists independently
reviewed each vignette under simulated conditions.
Main Outcomes and Measures: The study assesses the LLM-based CDSS's accuracy,
precision, recall, and F1 scores in identifying Drug-Related Problems (DRPs),
compared to junior pharmacists alone or in an assistive mode with the CDSS.
Results: The co-pilot mode of RAG-LLM significantly improved DRP
identification accuracy by 22% over solo pharmacists. It showed higher recall
and F1 scores, indicating better detection of severe DRPs, despite a slight
decrease in precision. Accuracy varied across categories when pharmacists had
access to RAG-LLM responses.
Conclusions: The RAG-LLM based CDSS enhances medication error identification
accuracy when used with junior pharmacists, especially in detecting severe
DRPs.
- Abstract(参考訳): 重要度: 安全な医薬品処方のための臨床診断支援システムとして, LLM (Retrieval Augmented Generation)-Large Language Model) を導入した。
このモデルは、患者コンテキストや制度ガイドラインに合わせて、関連する処方エラー警告を提供することによって、従来のルールベースのCDSSの制限に対処する。
目的: 本研究は, llmベースのcdssが, ヒトの専門家パネルと比較し, 様々な医療・外科症例における薬剤エラーの同定に有効であることを評価する。
また, 若年薬剤師, LLMベースのCDSS単独, 両者の併用など,CDSS統合モードの異なる臨床的嗜好についても検討した。
設計、設定、参加者: GPT-4.0を用いたRAGモデルを用いて、研究は12の専門分野にわたる23の臨床ヴィグネット内で61のエラーシナリオを規定した。
専門家パネルはPCNE分類とNCC MERP指数を用いてこれらの症例を評価した。
3人の若い薬剤師がシミュレートされた条件でそれぞれのヴィグネットを独自にレビューした。
主な成果と対策:本研究は、LCMベースのCDSSの精度、精度、リコール、F1スコアを評価し、薬物関連問題(DRP)を特定する。
結果: RAG-LLMのコパイロットモードにより, DRPの同定精度は単独薬剤師より22%向上した。
再現率とF1スコアは高く, 精度はわずかに低下したが, 重篤なDRPの検出が良好であった。
薬剤師がRAG-LLM応答にアクセスできる場合、精度はカテゴリーによって異なる。
結論:RAG-LLMをベースとしたCDSSは,中年薬剤師との併用,特に重度のDRPの検出において,薬剤の誤検出精度を高める。
関連論文リスト
- Med42 -- Evaluating Fine-Tuning Strategies for Medical LLMs: Full-Parameter vs. Parameter-Efficient Approaches [7.3384872719063114]
我々は,Llama-2アーキテクチャに基づく医療用大規模言語モデル(LLM)を開発し,改良した。
本実験は,様々な医用ベンチマークを用いて,これらのチューニング戦略の有効性を体系的に評価した。
論文 参考訳(メタデータ) (2024-04-23T06:36:21Z) - AI Hospital: Interactive Evaluation and Collaboration of LLMs as Intern
Doctors for Clinical Diagnosis [72.50974375416239]
リアルタイムのインタラクティブな診断環境を構築するために設計されたフレームワークであるAI Hospitalを紹介する。
様々な大規模言語モデル(LLM)は、対話的診断のためのインターン医師として機能する。
我々は,医療部長の監督の下で,反復的な議論と紛争解決プロセスを含む協調的なメカニズムを導入する。
論文 参考訳(メタデータ) (2024-02-15T06:46:48Z) - Combining Insights From Multiple Large Language Models Improves
Diagnostic Accuracy [0.0]
大きな言語モデル (LLM) は診断支援ツールとして提案されるか、あるいは "curbside consults" の代替として言及される。
個別の商業用LDMを問うことで得られた差分診断の精度を,同一LCMの組み合わせからの応答を集約して合成した差分診断の精度と比較した。
論文 参考訳(メタデータ) (2024-02-13T21:24:21Z) - 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) - LMM-Assisted Breast Cancer Treatment Target Segmentation with Consistency Embedding [49.40059830266193]
放射線腫瘍学の分野に適した多目的大規模マルチモーダルモデル(LMM)であるRO-LMMを提案する。
本モデルでは, 臨床ワークフローにおける一連のタスク, 臨床報告要約, 放射線治療計画提案, 計画指導対象ボリュームセグメンテーションを網羅する。
また, クリーン入力の処理能力を保ちながら, LMMの頑健さをノイズ入力に高める, CEFTune(Consistency Embedding Fine-Tuning)技術を提案する。
論文 参考訳(メタデータ) (2023-11-27T14:49:06Z) - Surpassing GPT-4 Medical Coding with a Two-Stage Approach [1.7014913888753238]
GPT-4 LLMは、医療コーディングタスクのICD符号の過剰な数を予測する。
LLM-codexは,まずエビデンス提案を発生させ,LSTMに基づく検証段階を用いる2段階のICD符号予測手法である。
我々のモデルは、医学的コーディングの精度、稀な符号の精度、文章レベルの証拠の特定を同時に達成する唯一の方法である。
論文 参考訳(メタデータ) (2023-11-22T23:35:13Z) - Auditing Algorithmic Fairness in Machine Learning for Health with
Severity-Based LOGAN [70.76142503046782]
臨床予測タスクにおいて,局所バイアスを自動検出するSLOGANを用いて,機械学習ベースの医療ツールを補足することを提案する。
LOGANは、患者の重症度と過去の医療史における集団バイアス検出を文脈化することにより、既存のツールであるLOcal Group biAs detectioNに適応する。
SLOGANは, クラスタリング品質を維持しながら, 患者群の75%以上において, SLOGANよりも高い公平性を示す。
論文 参考訳(メタデータ) (2022-11-16T08:04:12Z) - Patch-level instance-group discrimination with pretext-invariant
learning for colitis scoring [2.691339855008848]
自己教師型学習(SSL)のためのプリテキスト不変表現学習(PLD-PIRL)を用いたパッチレベルの新しいインスタンスグループ識別手法を提案する。
本実験では,ベースライン教師付きネットワークや最先端SSL方式と比較して,精度とロバスト性の向上を実証した。
論文 参考訳(メタデータ) (2022-07-11T21:06:29Z) - Outlier-based Autism Detection using Longitudinal Structural MRI [6.311381904410801]
本稿では, 構造的磁気共鳴画像(sMRI)に基づく自閉症スペクトラム障害の診断を, 異常検出手法を用いて提案する。
GAN(Generative Adversarial Network)は、健康な被験者のsMRIスキャンでのみ訓練される。
実験の結果、ASD検出フレームワークは最先端のトレーニングデータと互換性があり、トレーニングデータもはるかに少ないことがわかった。
論文 参考訳(メタデータ) (2022-02-21T04:37:25Z) - Automatic Assessment of Alzheimer's Disease Diagnosis Based on Deep
Learning Techniques [111.165389441988]
本研究では, MRI(sagittal magnetic resonance images)における疾患の存在を自動的に検出するシステムを開発する。
矢状面MRIは一般的には使われていないが、この研究は、少なくとも、ADを早期に同定する他の平面からのMRIと同じくらい効果があることを証明した。
本研究は,これらの分野でDLモデルを構築できることを実証する一方,TLは少ない例でタスクを完了するための必須のツールである。
論文 参考訳(メタデータ) (2021-05-18T11:37:57Z) - Performance of Dual-Augmented Lagrangian Method and Common Spatial
Patterns applied in classification of Motor-Imagery BCI [68.8204255655161]
運動画像に基づく脳-コンピュータインタフェース(MI-BCI)は、神経リハビリテーションのための画期的な技術になる可能性がある。
使用する脳波信号のノイズの性質のため、信頼性の高いBCIシステムは特徴の最適化と抽出のために特別な手順を必要とする。
論文 参考訳(メタデータ) (2020-10-13T20:50:13Z)
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。