臨床テキストデータの匿名化のための多層フレームワーク「DeIDClinic」
DeIDClinicは、辞書検索、ルールベースのアプローチ、ClinicalBERTモデルを組み合わせた多層フレームワークを提供し、臨床テキストデータ内の個人を特定できる情報を効果的に特定し、マスキングまたは置換する。さらに、文書レベルのリスク評価機能を備え、高リスクの文書を特定し、匿名化の取り組みを支援する。
自動的な皮膚病診断のための医療記録の言語モデルとオントロジーの組み合わせ
医療記録の言語モデルとオントロジーを組み合わせることで、患者の皮膚病を自動的に検出することができる。
LLMによる医療説明引数の信頼性の高い自動評価に向けて
LLMによる医療説明引数の自動評価手法を提案し、人間の評価基準に沿った評価が可能であることを示す。
医薬品抽出と実体リンクのための大規模言語モデルとアンサンブル学習の活用
大規模言語モデルとアンサンブル学習を用いて、医薬品とその関連属性(用量、投与経路、強度、副作用など)を効果的に抽出し、標準的な臨床知識ベース(SNOMED-CT、BNF)にマッピングすることができる。
放射線レポートの要約をTransformerで活用する
放射線レポートの要約を自然言語処理の手法を用いて自動化し、医療従事者のワークフローの効率化と患者ケアの向上を図る。
医療テキスト生成に関する初の共有タスクの概要: RRG24と「Discharge Me!」
医療AI技術を活用して医療従事者の業務負担を軽減し、医療文書の作成を効率化することが重要である。
大規模言語モデルに医療分野固有の検索補強を加えることによる長文消費者向け眼科質問応答の改善
大規模言語モデルは医療分野での応答生成において、根拠のない情報や誤った情報を含むことが多い。検索補強手法を用いることで、根拠のある情報を提供し、応答の正確性と根拠の明示性を向上させることができる。
医療における大規模言語モデルのファインチューニング: パラメータ直接最適化の役割と重要性
パラメータ直接最適化(DPO)は、テキストベースの分類よりも複雑なタスクである診断推論、要約、トリアージなどの医療自然言語処理タスクの性能を向上させる。
放射線レポートの誤りを検出・修正するための大規模言語モデルとナレッジ検索の統合
大規模言語モデルと内部・外部のナレッジ検索を統合することで、放射線レポートの誤りを効果的に検出・修正できる。
医療用事前学習言語モデルの著作権保護: トレーニングフリーのバックドアウォーターマーキング
医療用事前学習言語モデルの著作権を保護するための新しいトレーニングフリーのバックドアウォーターマーキング手法を提案する。
© 2024 by Linnk AI