AIツールは、医師の負担となっている医療文書作成業務を効率化し、患者ケアにより多くの時間を割けるようにします。
AIは、緊急医療のようなストレスの多い環境において、医師の迅速かつ正確な意思決定を支援する。
医療AIシステムの推奨を理解するためには、その内部の仕組みと推論プロセスを説明することが重要である。しかし、説明可能性の定義や良い説明の特徴については、未だ明確な合意がない。本研究では、専門家の意見を集約し、医療AIにおける説明の定義と良い説明の特徴を明らかにした。
TinyLLaVA-Medは、リソース制限のある環境でも高精度な医療診断を可能にする、効率的なマルチモーダル大規模言語モデルである。
医療AIの持続的な信頼性を確保するためには、一回限りの検証では不十分であり、展開先の医療機関や時間の経過に伴う変化に合わせて、繰り返し検証と微調整を行う必要がある。
GPT-4モデルは、ポーランドの医師国家試験の大部分に合格することができる。
ジェミニモデルの強力な一般的機能を基に、医療分野向けに特化したMed-Geminiモデルを開発し、医療テキスト推論、マルチモーダル理解、長文脈処理の各分野で卓越した性能を実現した。
医療意思決定プロセスを模倣した適応的な大規模言語モデルの協調フレームワークを提案し、複雑な医療課題に対する高精度な解決を実現する。
オンコロジー診療記録の重要な情報を効率的に検索・抽出するための、大規模言語モデルを活用したOnco-Retrieverモデルを開発した。
本論文は、大規模な未ラベル医療データを活用して診断性能を向上させる統一的なマルチモーダル診断フレームワークを提案する。特に、特徴レベルの再構築を導入した事前学習と、データ分布の違いや異なるモダリティの最適化バランスを調整する微調整手法を開発することで、診断タスクの性能を大幅に向上させている。