論文の概要: The Application of ChatGPT in Responding to Questions Related to the
Boston Bowel Preparation Scale
- arxiv url: http://arxiv.org/abs/2402.08492v1
- Date: Tue, 13 Feb 2024 14:38:12 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-14 15:04:38.634330
- Title: The Application of ChatGPT in Responding to Questions Related to the
Boston Bowel Preparation Scale
- Title（参考訳）: boston bowel preparation scaleに関する質問に対するchatgptの適用
- Authors: Xiaoqiang Liu, Yubin Wang, Zicheng Huang, Boming Xu, Yilin Zeng, Xinqi
Chen, Zilong Wang, Enning Yang, Xiaoxuan Lei, Yisen Huang, Xiaobo Liu
- Abstract要約: ChatGPTは、創発的なインテリジェンスを持つ大きな言語モデルであり、医療応用の可能性をも示している。
2020年から2023年にかけて,回顧的に233枚の大腸内視鏡像を収集した。
これらの画像はBoston Bowel prepared Scale (BBPS) を用いて, 3人の高齢者内科医と3人の初心者内科医により評価された。
ChatGPTの精度は48.93%から62.66%の間で変化し、内科医の精度は76.68%から77.83%まで続いた。
- 参考スコア（独自算出の注目度）: 6.345067835446167
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Background: Colonoscopy, a crucial diagnostic tool in gastroenterology,
depends heavily on superior bowel preparation. ChatGPT, a large language model
with emergent intelligence which also exhibits potential in medical
applications. This study aims to assess the accuracy and consistency of ChatGPT
in using the Boston Bowel Preparation Scale (BBPS) for colonoscopy assessment.
Methods: We retrospectively collected 233 colonoscopy images from 2020 to 2023.
These images were evaluated using the BBPS by 3 senior endoscopists and 3
novice endoscopists. Additionally, ChatGPT also assessed these images, having
been divided into three groups and undergone specific Fine-tuning. Consistency
was evaluated through two rounds of testing. Results: In the initial round,
ChatGPT's accuracy varied between 48.93% and 62.66%, trailing the endoscopists'
accuracy of 76.68% to 77.83%. Kappa values for ChatGPT was between 0.52 and
0.53, compared to 0.75 to 0.87 for the endoscopists. Conclusion: While ChatGPT
shows promise in bowel preparation scoring, it currently does not match the
accuracy and consistency of experienced endoscopists. Future research should
focus on in-depth Fine-tuning.
- Abstract（参考訳）: 背景:胃腸疾患の診断に重要なツールである大腸内視鏡は,上腸製剤に大きく依存する。
ChatGPTは、創発的なインテリジェンスを持つ大きな言語モデルであり、医療応用にも可能性を示す。
本研究の目的は,Boston Bowel prepared Scale (BBPS) を用いた大腸内視鏡検査におけるChatGPTの精度と整合性を評価することである。
方法:2020年から2023年までの233枚の大腸内視鏡像を回顧的に収集した。
これらの画像は, BBPSを用いて高齢者3名, 初心者3名を用いて評価した。
さらに、chatgptはこれらの画像を3つのグループに分け、特定の微調整を行った。
一貫性は2回のテストで評価された。
結果: 初回ラウンドでは、ChatGPTの精度は48.93%から62.66%に変化し、内科医の精度は76.68%から77.83%となった。
ChatGPTのKappa値は0.52から0.53であり、内科医は0.75から0.87であった。
結論:ChatGPTは腸準備スコアの有望性を示すが,現在は経験豊富な内科医の精度と一貫性に合わない。
今後の研究は詳細な微調整に焦点をあてるべきである。
関連論文リスト
- Superhuman performance in urology board questions by an explainable large language model enabled for context integration of the European Association of Urology guidelines: the UroBot study [0.9423257767158634]
UroBotはOpenAIのGPT-3.5、GPT-4、GPT-4oモデルで開発された。
評価には200の欧州耳鼻咽喉科委員会(EBU)の質問10件が含まれていた。
UroBot-4oの平均RoCAは88.4%、GPT-4oは10.8%、スコアは77.6%だった。
論文 参考訳（メタデータ） (2024-06-03T15:26:06Z) - Matching Patients to Clinical Trials with Large Language Models [29.265158319106604]
本稿では,大規模言語モデルを用いたゼロショット患者間マッチングのためのエンドツーエンドフレームワークTrialGPTを紹介する。
TrialGPTは3つのモジュールから構成されており、まず大規模フィルタリングを行い、候補トライアル(TrialGPT-Retrieval)を検索し、次に基準レベルの患者資格(TrialGPT-Matching)を予測し、最終的にトライアルレベルのスコア(TrialGPT-Ranking)を生成する。
論文 参考訳（メタデータ） (2023-07-27T17:56:56Z) - Corneal endothelium assessment in specular microscopy images with Fuchs'
dystrophy via deep regression of signed distance maps [48.498376125522114]
本稿では,UNetをベースとしたセグメンテーション手法を提案する。
これは、フックスのジストロフィーの全度にわたって、信頼できるCE形態計測と腸骨同定を実現する。
論文 参考訳（メタデータ） (2022-10-13T15:34:20Z) - AI-based automated Meibomian gland segmentation, classification and
reflection correction in infrared Meibography [12.931991157108842]
深層学習に基づくメボミアン腺(MG)とまぶたを分離する自動化手法を開発した。
原画像からのスペクトル反射を除去するために, 生成的対向ネットワークを実装した。
論文 参考訳（メタデータ） (2022-05-31T05:13:56Z) - Osteoporosis Prescreening using Panoramic Radiographs through a Deep
Convolutional Neural Network with Attention Mechanism [65.70943212672023]
注意モジュールを持つディープ畳み込みニューラルネットワーク(CNN)はパノラマX線写真上で骨粗しょう症を検出することができる。
49歳から60歳までの70種類のパノラマX線写真(PR)のデータセットを用いて検討した。
論文 参考訳（メタデータ） (2021-10-19T00:03:57Z) - Multi-institutional Validation of Two-Streamed Deep Learning Method for
Automated Delineation of Esophageal Gross Tumor Volume using planning-CT and
FDG-PETCT [14.312659667401302]
食道悪性腫瘍容積(GTV)コントゥーリングの現況は,高作業コストとユーザ間の変動を手作業で記述することに依存している。
1施設で開発された深層学習(DL)多モード食道GTVコンチューリングモデルの臨床的応用性を検証する。
論文 参考訳（メタデータ） (2021-10-11T13:56:09Z) - Vision Transformers for femur fracture classification [59.99241204074268]
Vision Transformer (ViT) はテスト画像の83%を正確に予測することができた。
史上最大かつ最もリッチなデータセットを持つサブフラクチャーで良い結果が得られた。
論文 参考訳（メタデータ） (2021-08-07T10:12:42Z) - Pointwise visual field estimation from optical coherence tomography in
glaucoma: a structure-function analysis using deep learning [12.70143462176992]
SAP(Standard Automated Perimetry)は、緑内障治療における視野(VF)の喪失を監視するための金の標準である。
我々は,光学コヒーレンス・トモグラフィー(OCT)スキャンによる点方向および全体的VF損失を推定する深層学習(DL)回帰モデルを開発し,検証した。
論文 参考訳（メタデータ） (2021-06-07T16:58:38Z) - Assisted Probe Positioning for Ultrasound Guided Radiotherapy Using
Image Sequence Classification [55.96221340756895]
前立腺外照射療法における経皮的超音波画像誘導は, 患者設定中の各セッションにおけるプローブと前立腺の整合性を必要とする。
本研究では,画像とプローブ位置データの共同分類により,高精度なプローブ配置を確保する方法を示す。
マルチ入力マルチタスクアルゴリズムを用いて、光学的追跡された超音波プローブからの空間座標データを、繰り返しニューラルネットワークを用いて画像クラスシファイアと組み合わせ、リアルタイムで2セットの予測を生成する。
このアルゴリズムは平均(標準偏差)3.7$circ$ (1.2$circ$)の範囲内で最適なプローブアライメントを同定する。
論文 参考訳（メタデータ） (2020-10-06T13:55:02Z) - Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on
2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。
合計320回の試験(平均6回の試験)と28回の試験が行われた。
ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
論文 参考訳（メタデータ） (2020-05-27T20:44:38Z) - Automated Quantification of CT Patterns Associated with COVID-19 from
Chest CT [48.785596536318884]
提案法は,非造影胸部CTを入力として,病変,肺,葉を3次元に分割する。
この方法では、肺の重症度と葉の関与度を2つの組み合わせて測定し、COVID-19の異常度と高不透明度の存在度を定量化する。
このアルゴリズムの評価は、カナダ、ヨーロッパ、米国からの200人の参加者(感染者100人、健康管理100人)のCTで報告されている。
論文 参考訳（メタデータ） (2020-04-02T21:49:14Z)
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。