論文の概要: Stochastic Parrots or ICU Experts? Large Language Models in Critical Care Medicine: A Scoping Review

• arxiv url: http://arxiv.org/abs/2407.19256v1
• Date: Sat, 27 Jul 2024 13:41:43 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-30 19:11:23.388905
• Title: Stochastic Parrots or ICU Experts? Large Language Models in Critical Care Medicine: A Scoping Review
• Title（参考訳）: 確率的パロットかICU専門家か : 医療における大規模言語モデル:スコーピングのレビュー
• Authors: Tongyue Shi, Jun Ma, Zihan Yu, Haowei Xu, Minqi Xiong, Meirong Xiao, Yilin Li, Huiying Zhao, Guilan Kong,
• Abstract要約: 大規模言語モデル(LLM)は、自然言語理解、推論、生成において強力な能力を示している。 重度医療ユニット(ICU)の集中的モニタリングと介入を必要とする重度疾患患者の診断と治療を提供する。
• 参考スコア（独自算出の注目度）: 3.993456293626592
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the rapid development of artificial intelligence (AI), large language models (LLMs) have shown strong capabilities in natural language understanding, reasoning, and generation, attracting amounts of research interest in applying LLMs to health and medicine. Critical care medicine (CCM) provides diagnosis and treatment for critically ill patients who often require intensive monitoring and interventions in intensive care units (ICUs). Can LLMs be applied to CCM? Are LLMs just like stochastic parrots or ICU experts in assisting clinical decision-making? This scoping review aims to provide a panoramic portrait of the application of LLMs in CCM. Literature in seven databases, including PubMed, Embase, Scopus, Web of Science, CINAHL, IEEE Xplore, and ACM Digital Library, were searched from January 1, 2019, to June 10, 2024. Peer-reviewed journal and conference articles that discussed the application of LLMs in critical care settings were included. From an initial 619 articles, 24 were selected for final review. This review grouped applications of LLMs in CCM into three categories: clinical decision support, medical documentation and reporting, and medical education and doctor-patient communication. LLMs have advantages in handling unstructured data and do not require manual feature engineering. Meanwhile, applying LLMs to CCM faces challenges, including hallucinations, poor interpretability, bias and alignment challenges, and privacy and ethics issues. Future research should enhance model reliability and interpretability, integrate up-to-date medical knowledge, and strengthen privacy and ethical guidelines. As LLMs evolve, they could become key tools in CCM to help improve patient outcomes and optimize healthcare delivery. This study is the first review of LLMs in CCM, aiding researchers, clinicians, and policymakers to understand the current status and future potentials of LLMs in CCM.
• Abstract（参考訳）: 人工知能(AI)の急速な発展に伴い、大規模言語モデル(LLM)は、自然言語理解、推論、生成において強力な能力を示し、健康や医学にLLMを適用することへの多くの研究の関心を集めている。 CCM(Critical Care Medicine)は、集中治療単位(ICU)の集中的モニタリングと介入を必要とする重度疾患の患者に対して、診断と治療を提供する。 LLMはCCMに適用できるのか? LLMは、確率的オウムやICUの専門家のように臨床意思決定を支援するか? このスコーピングレビューは、LCMをCCMに応用したパノラマ像を提供することを目的としている。 PubMed、Embase、Scoops、Web of Science、CINAHL、IEEE Xplore、ACM Digital Libraryを含む7つのデータベースの文献が、2019年1月1日から2024年6月10日まで検索された。 批判的ケア設定におけるLSMの適用について論じるピアレビュー論文や会議記事も含んだ。 最初の619条から24条が最終審査に選ばれている。 本報告では, CCMにおけるLCMの応用を, 臨床診断支援, 医療文書, 報告, 医学教育, 医師と患者とのコミュニケーションの3つのカテゴリに分類した。 LLMは非構造化データを扱う利点があり、手動の機能工学を必要としない。 一方、LCMをCCMに適用することは、幻覚、弱い解釈可能性、バイアスとアライメントの課題、プライバシーと倫理の問題など、課題に直面します。 今後の研究は、モデルの信頼性と解釈可能性を高め、最新の医療知識を統合し、プライバシーと倫理的ガイドラインを強化する。 LLMが進化するにつれて、CCMの重要なツールとなり、患者の成果を改善し、医療提供を最適化する。 本研究は, CCMにおけるLCMの現状と将来の可能性を理解するために, 研究者, 臨床医, 政策立案者を支援する最初のLCMのレビューである。

関連論文リスト

• Demystifying Large Language Models for Medicine: A Primer [50.83806796466396]
  大規模言語モデル(LLM)は、医療のさまざまな側面に革命をもたらすことのできる、変革的なAIツールのクラスである。 本チュートリアルは、LSMを臨床実践に効果的に統合するために必要なツールを医療専門家に提供することを目的としている。
  論文  参考訳（メタデータ） (2024-10-24T15:41:56Z)
• CliMedBench: A Large-Scale Chinese Benchmark for Evaluating Medical Large Language Models in Clinical Scenarios [50.032101237019205]
  CliMedBenchは、14のエキスパートによるコア臨床シナリオを備えた総合的なベンチマークである。 このベンチマークの信頼性はいくつかの点で確認されている。
  論文  参考訳（メタデータ） (2024-10-04T15:15:36Z)
• A Survey on Large Language Models from General Purpose to Medical Applications: Datasets, Methodologies, and Evaluations [5.265452667976959]
  本調査は,オープンソース汎用LSMをベースとした医療用LSMのトレーニング方法を体系的にまとめたものである。 a) トレーニングコーパスの取得方法、カスタマイズされた医療トレーニングセットの構築方法、(b) 適切なトレーニングパラダイムの選択方法、(d) 既存の課題と有望な研究方向性をカバーしている。
  論文  参考訳（メタデータ） (2024-06-14T02:42:20Z)
• Evaluating large language models in medical applications: a survey [1.5923327069574245]
  大規模言語モデル(LLM)は、多くのドメインにまたがる変換可能性を持つ強力なツールとして登場した。 医学的文脈におけるLCMのパフォーマンスを評価することは、医療情報の複雑で批判的な性質から、ユニークな課題を提示する。
  論文  参考訳（メタデータ） (2024-05-13T05:08:33Z)
• Large Language Models in Biomedical and Health Informatics: A Review with Bibliometric Analysis [24.532570258954898]
  大規模言語モデル(LLM)は、バイオメディカル・ヘルスインフォマティクス(BHI)において、急速に重要なツールになりつつある。 本研究の目的は、BHIにおけるLLM応用の総合的な概要を提供し、その変容の可能性を強調し、関連する倫理的・実践的課題に対処することである。
  論文  参考訳（メタデータ） (2024-03-24T21:29:39Z)
• ChiMed-GPT: A Chinese Medical Large Language Model with Full Training Regime and Better Alignment to Human Preferences [51.66185471742271]
  我々は中国医学領域向けに明示的に設計されたベンチマークLSMであるChiMed-GPTを提案する。 ChiMed-GPTは、事前訓練、SFT、RLHFを含む総合的な訓練体制を実施。 我々は,ChiMed-GPTを患者識別に関する態度尺度の実行を促すことによって,潜在的なバイアスを分析した。
  論文  参考訳（メタデータ） (2023-11-10T12:25:32Z)
• A Survey of Large Language Models in Medicine: Progress, Application, and Challenge [85.09998659355038]
  大規模言語モデル (LLM) は、人間の言語を理解し、生成する能力のために大きな注目を集めている。 本総説は,医学におけるLSMの開発と展開について概説することを目的としている。
  論文  参考訳（メタデータ） (2023-11-09T02:55:58Z)
• 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)
• Augmenting Black-box LLMs with Medical Textbooks for Biomedical Question Answering (Published in Findings of EMNLP 2024) [48.17095875619711]
  LLMs Augmented with Medical Textbooks (LLM-AMT)を提案する。 LLM-AMTは、プラグイン・アンド・プレイモジュールを使用して、権威ある医学教科書をLLMのフレームワークに統合する。 検索コーパスとしての医学教科書は,医学領域におけるウィキペディアよりも効果的な知識データベースであることが確認された。
  論文  参考訳（メタデータ） (2023-09-05T13:39:38Z)
• Large Language Models Leverage External Knowledge to Extend Clinical Insight Beyond Language Boundaries [48.48630043740588]
  ChatGPTやMed-PaLMのような大規模言語モデル(LLM)は、様々な質問応答タスクに優れています。 我々は,その性能を高めるために,新しい文脈内学習フレームワークを開発した。
  論文  参考訳（メタデータ） (2023-05-17T12:31:26Z)

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。