Core Concepts
시간이 촉박한 상황에서 인공지능 기반 상황 인식 소프트웨어와 의사결정자가 상호작용하여 수많은 임박한 시나리오와 가능한 시나리오를 평가하고, 수조 개의 매개변수를 기반으로 다양한 결과를 추정할 수 있다.
Abstract
이 논문은 집중치료실(ICU) 환경에서 근거 기반 의학에 대한 고차원적 추론을 제공하는 모델을 제시한다. 대형 언어 모델(LLM)이 이 시스템에 사용된다.
실험 결과, 시스템 메시지와 소량 학습 후 LLM은 "What-if" 고차원 추론 시나리오에서 최적의 성능을 보였다. 의사의 치료 계획과 88.52%의 유사도를 달성했다. "Why-not" 시나리오에서는 최고 성능 모델이 ICU에서 퇴원 후 사망한 환자의 70%에 대해 대안적 치료 계획을 선택했다. "So-what" 시나리오에서는 최적 모델이 ICU 환자 치료 계획의 동기와 의의에 대한 상세한 분석을 제공했으며, 실제 진단 정보와 55.6%의 유사도를 보였다. "How-about" 시나리오에서는 최고 성능 LLM이 유사 질병에 대한 치료 계획 전환 시 66.5%의 콘텐츠 유사도를 보였다. 또한 LLM은 ICU 퇴원 후 환자의 생존 상태를 70% 정확도로 예측했다.
Stats
환자 치료 계획과 LLM 생성 계획의 평균 유사도는 88.52%였다.
LLM은 ICU 퇴원 후 사망한 환자의 70%에 대해 대안적 치료 계획을 선택했다.
LLM의 치료 계획 동기 및 의의 분석은 실제 진단 정보와 55.6%의 유사도를 보였다.
LLM은 유사 질병에 대한 치료 계획 전환 시 66.5%의 콘텐츠 유사도를 보였다.
LLM은 ICU 퇴원 후 환자의 생존 상태를 70% 정확도로 예측했다.
Quotes
"시간이 촉박한 상황에서 인공지능 기반 상황 인식 소프트웨어와 의사결정자가 상호작용하여 수많은 임박한 시나리오와 가능한 시나리오를 평가하고, 수조 개의 매개변수를 기반으로 다양한 결과를 추정할 수 있다."
"고차원 추론은 복잡한 환자 치료에 필수적인 비판적, 분석적, 창의적 사고를 가능하게 한다."