論文の概要: Cancer-Answer: Empowering Cancer Care with Advanced Large Language Models
- arxiv url: http://arxiv.org/abs/2411.06946v1
- Date: Mon, 11 Nov 2024 12:54:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-12 14:10:14.328348
- Title: Cancer-Answer: Empowering Cancer Care with Advanced Large Language Models
- Title(参考訳): がん対策 : 先進的な大規模言語モデルによるがんケアの強化
- Authors: Aniket Deroy, Subhankar Maity,
- Abstract要約: 消化器癌(GI)は、世界のがん負担のかなりの部分を占める。
がん関連クエリは、タイムリーな診断、治療、患者教育に不可欠である。
我々は,GPT-3.5 Turboのような大規模言語モデル(LLM)を利用して,がん関連クエリに対する正確で文脈的に関連する応答を生成する。
- 参考スコア(独自算出の注目度): 0.0
- License:
- Abstract: Gastrointestinal (GI) tract cancers account for a substantial portion of the global cancer burden, where early diagnosis is critical for improved management and patient outcomes. The complex aetiologies and overlapping symptoms across GI cancers often delay diagnosis, leading to suboptimal treatment strategies. Cancer-related queries are crucial for timely diagnosis, treatment, and patient education, as access to accurate, comprehensive information can significantly influence outcomes. However, the complexity of cancer as a disease, combined with the vast amount of available data, makes it difficult for clinicians and patients to quickly find precise answers. To address these challenges, we leverage large language models (LLMs) such as GPT-3.5 Turbo to generate accurate, contextually relevant responses to cancer-related queries. Pre-trained with medical data, these models provide timely, actionable insights that support informed decision-making in cancer diagnosis and care, ultimately improving patient outcomes. We calculate two metrics: A1 (which represents the fraction of entities present in the model-generated answer compared to the gold standard) and A2 (which represents the linguistic correctness and meaningfulness of the model-generated answer with respect to the gold standard), achieving maximum values of 0.546 and 0.881, respectively.
- Abstract(参考訳): 消化管癌 (GI) は, 早期診断が進行し, 治療成績の向上に重要である。
GI癌にまたがる複雑な欲求と重なり合う症状は診断を遅らせることが多く、至適治療戦略に繋がる。
がん関連クエリは、正確な包括的情報へのアクセスが結果に大きな影響を与えるため、タイムリーな診断、治療、および患者の教育に不可欠である。
しかし、病気としてのがんの複雑さと利用可能な大量のデータを組み合わせることで、臨床医や患者が迅速に正確な答えを見つけることが困難になる。
これらの課題に対処するために、GPT-3.5 Turboのような大規模言語モデル(LLM)を活用し、がん関連クエリに対する正確な文脈的応答を生成する。
医療データで事前訓練されたこれらのモデルは、がんの診断とケアにおける情報的意思決定をサポートし、最終的には患者の結果を改善するタイムリーで行動可能な洞察を提供する。
A1 と A2 の2つの指標を計算し、それぞれ0.546 と 0.881 の最大値を得る。
関連論文リスト
- Boosting Medical Image-based Cancer Detection via Text-guided Supervision from Reports [68.39938936308023]
本研究では, 高精度ながん検出を実現するための新しいテキスト誘導学習法を提案する。
本手法は,大規模プレトレーニングVLMによる臨床知識の活用により,一般化能力の向上が期待できる。
論文 参考訳(メタデータ) (2024-05-23T07:03:38Z) - Improving Breast Cancer Grade Prediction with Multiparametric MRI Created Using Optimized Synthetic Correlated Diffusion Imaging [71.91773485443125]
乳がん治療計画において、グレーディングは重要な役割を担っている。
現在の腫瘍グレード法では、患者から組織を抽出し、ストレス、不快感、医療費の上昇につながる。
本稿では,CDI$s$の最適化による乳癌の診断精度の向上について検討する。
論文 参考訳(メタデータ) (2024-05-13T15:48:26Z) - Using Multiparametric MRI with Optimized Synthetic Correlated Diffusion Imaging to Enhance Breast Cancer Pathologic Complete Response Prediction [71.91773485443125]
ネオアジュバント化学療法は乳癌の治療戦略として最近人気を集めている。
ネオアジュバント化学療法を推奨する現在のプロセスは、医療専門家の主観的評価に依存している。
本研究は, 乳癌の病理組織学的完全反応予測に最適化されたCDI$s$を応用することを検討した。
論文 参考訳(メタデータ) (2024-05-13T15:40:56Z) - AI-Enabled Lung Cancer Prognosis [1.2054979237210064]
肺がんはがんによる死亡の主な原因であり、2020年には全世界で約179万人が死亡している。
これらのうち、非小細胞肺癌(NSCLC)が主な亜型であり、顕著な出血性予後を特徴とする。
人工知能(AI)の最近の進歩は、肺癌の予後に革命をもたらした。
論文 参考訳(メタデータ) (2024-02-12T22:09:43Z) - Designing a Deep Learning-Driven Resource-Efficient Diagnostic System
for Metastatic Breast Cancer: Reducing Long Delays of Clinical Diagnosis and
Improving Patient Survival in Developing Countries [8.024420292033492]
症状の初期発生と診断の受入の遅延は15カ月以上延長する可能性がある。
本研究は,転移性乳癌に対する深層学習に基づく診断システムを開発した。
MobileNetV2診断モデルは、正常な細胞の大部分に埋め込まれた非常に小さな癌ノードを特定することができる。
論文 参考訳(メタデータ) (2023-08-04T03:09:48Z) - Cancer-Net BCa-S: Breast Cancer Grade Prediction using Volumetric Deep
Radiomic Features from Synthetic Correlated Diffusion Imaging [82.74877848011798]
乳がんの流行は成長を続けており、2023年には米国で約30万人の女性に影響を及ぼした。
金標準のScarff-Bloom-Richardson(SBR)グレードは、化学療法に対する患者の反応を一貫して示すことが示されている。
本稿では,合成相関拡散(CDI$s$)画像を用いた乳がん鑑定における深層学習の有効性について検討する。
論文 参考訳(メタデータ) (2023-04-12T15:08:34Z) - Machine Learning-based Lung and Colon Cancer Detection using Deep
Feature Extraction and Ensemble Learning [0.9786690381850355]
肺がんと大腸癌を効率よく同定するためのハイブリッドアンサンブル特徴抽出モデルを提案する。
深い特徴抽出とアンサンブル学習と、がん画像データセットのための高性能なフィルタリングを統合している。
本モデルでは, 99.05%, 100%, 99.30%の精度で, 肺癌, 大腸癌, 結腸癌を検出できる。
論文 参考訳(メタデータ) (2022-06-02T15:14:41Z) - Federated Learning Enables Big Data for Rare Cancer Boundary Detection [98.5549882883963]
6大陸にわたる71の医療機関のデータを含む,これまでで最大のフェデレーテッドML研究の結果を報告する。
グリオ芽腫の稀な疾患に対する腫瘍境界自動検出装置を作製した。
当科では, 外科的に標的とした腫瘍の悪性度を高めるために, 33%の改善率を示し, 腫瘍全体に対する23%の改善率を示した。
論文 参考訳(メタデータ) (2022-04-22T17:27:00Z) - Multi-Scale Hybrid Vision Transformer for Learning Gastric Histology:
AI-Based Decision Support System for Gastric Cancer Treatment [50.89811515036067]
胃内視鏡検査は、早期に適切な胃癌(GC)治療を判定し、GC関連死亡率を低下させる有効な方法である。
本稿では,一般のGC治療指導と直接一致する5つのGC病理のサブ分類を可能にする実用的なAIシステムを提案する。
論文 参考訳(メタデータ) (2022-02-17T08:33:52Z) - Medico Multimedia Task at MediaEval 2020: Automatic Polyp Segmentation [0.6125117548653111]
コンピュータ支援診断システムによるサポートは、見落とされたポリプの潜在的な解決策の1つかもしれない。
本稿では,2020年のメディコチャレンジを紹介し,課題と評価指標を説明し,メディコチャレンジの組織化の必要性について議論する。
論文 参考訳(メタデータ) (2020-12-30T17:47:38Z) - Handling uncertainty using features from pathology: opportunities in
primary care data for developing high risk cancer survival methods [0.10499611180329804]
2019年、オーストラリア人144万人以上ががんと診断された。
大多数は、スクリーニングプログラムが存在する癌でさえ、症状的にGPに最初に現れます。
病理検査の結果ががんの予後を予測できる特徴の導出にどのようにつながるか検討する。
論文 参考訳(メタデータ) (2020-12-17T23:27:13Z)
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。