임상 자유 텍스트 데이터 익명화를 위한 다층 프레임워크: DeIDClinic
DeIDClinic은 임상 텍스트에서 환자 식별 정보를 효과적으로 식별하고 마스킹하는 다층 프레임워크이다.
포르투갈어 의료 도메인을 위한 LLM 적응: 미세 조정 및 모델 평가 연구
이 연구는 포르투갈어 의료 분야에서 신뢰할 수 있고 관련성 있는 가상 의료 보조 시스템을 개발하기 위해 대규모 언어 모델(LLM)의 성능을 평가합니다.
중국 의료 벤치마크를 위한 대규모 언어 모델 확장: 의료 분야의 집단 지침을 활용한 접근법
다양한 유형의 의료 데이터셋을 활용하여 작은 규모의 언어 모델도 우수한 성능을 달성할 수 있음을 보여줌.
LLM 생성 의료 설명 논거의 신뢰성 있고 강력한 자동 평가를 위한 순위 기반 접근
의료 분야에서 LLM 생성 텍스트를 평가하는 것은 매우 어려운 과제이다. 이 연구는 대리 과제와 순위 기반 접근을 활용하여 인간 평가 기준과 잘 부합하는 LLM 평가기를 개발하였다.
대규모 언어 모델의 의료 질의 응답에서 발생하는 환각
대규모 언어 모델은 의료 관련 질의에 대해 사실과 다른 정보를 생성할 수 있으며, 이는 사회적 및 의료적 영향을 미칠 수 있다.
의약품 추출 및 엔티티 링킹을 위한 대규모 언어 모델과 앙상블 학습 기반의 INSIGHTBUDDY-AI
대규모 언어 모델과 앙상블 학습을 활용하여 의약품 및 관련 속성(용량, 투여 경로, 강도, 부작용 등)을 효과적으로 추출하고 표준 임상 지식베이스(SNOMED-CT, BNF 등)에 매핑하는 기술을 개발하였다.
의료 인공지능 분야의 첫 번째 임상 텍스트 생성 공동 과제: RRG24와 "Discharge Me!"
의료 인공지능 기술을 활용하여 의사의 업무 부담을 줄이고 병원 문서화 프로세스를 개선하는 것이 이 과제의 핵심 목표이다.
대형 언어 모델에 도메인 특화 검색 보강 생성을 통한 향상: 안과학 분야 장문 소비자 건강 질문 답변에 대한 사례 연구
대형 언어 모델은 근거 없는 정보를 생성할 수 있지만, 도메인 특화 검색 보강 생성 기법을 통해 이를 상당 부분 개선할 수 있다. 그러나 여전히 근거 선택, 근거 관련성, 근거 귀속 등의 과제가 남아 있다.
의료 분야에서 대규모 언어 모델의 미세 조정: 직접 매개변수 최적화의 역할과 중요성
의료 분야의 다양한 자연어 처리 과제에서 직접 매개변수 최적화(DPO) 기법이 감독 미세 조정(SFT)보다 우수한 성능을 보인다.
의료 보고서 오류 탐지 및 수정을 위한 대규모 언어 모델과 지식 검색 통합
대규모 언어 모델과 지식 검색 기술을 통합하여 의료 보고서의 오류를 효과적으로 탐지하고 수정할 수 있는 방법을 제안한다.
© 2024 by Linnk AI