要約
近年、放射線医学の分野では、診断の精度を高め、ワークフローを合理化し、患者ケアを改善するために人工知能 (AI) の力をますます活用しています。
大規模言語モデル (LLM) は特に有望なツールとして浮上しており、レポートの作成、臨床上の意思決定のサポート、患者とのコミュニケーションにおいて放射線科医を支援する上で大きな可能性をもたらします。
この論文では、放射線医学に焦点を当てた高度な大規模言語モデル、MGH Radiology Llama について説明します。
これは、Radiology-GPT や Radiology-Llama2 などの以前のドメイン固有モデルに基づいて、Llama 3 70B モデルを使用して開発されています。
このモデルは、さまざまな画像モダリティにわたる 650 万件を超える匿名化された医療レポートで構成される、マサチューセッツ総合病院の独自で包括的なデータセットを活用し、対応する所見を考慮して、正確で臨床的に関連性のある放射線印象を生成する際の大幅な改善を示しています。
従来のメトリクスと GPT-4 ベースの評価の両方を組み込んだ私たちの評価では、汎用 LLM よりもこの作業のパフォーマンスが向上していることが強調されています。
要約(オリジナル)
In recent years, the field of radiology has increasingly harnessed the power of artificial intelligence (AI) to enhance diagnostic accuracy, streamline workflows, and improve patient care. Large language models (LLMs) have emerged as particularly promising tools, offering significant potential in assisting radiologists with report generation, clinical decision support, and patient communication. This paper presents an advanced radiology-focused large language model: MGH Radiology Llama. It is developed using the Llama 3 70B model, building upon previous domain-specific models like Radiology-GPT and Radiology-Llama2. Leveraging a unique and comprehensive dataset from Massachusetts General Hospital, comprising over 6.5 million de-identified medical reports across various imaging modalities, the model demonstrates significant improvements in generating accurate and clinically relevant radiology impressions given the corresponding findings. Our evaluation, incorporating both traditional metrics and a GPT-4-based assessment, highlights the enhanced performance of this work over general-purpose LLMs.
arxiv情報
著者 | Yucheng Shi,Peng Shu,Zhengliang Liu,Zihao Wu,Quanzheng Li,Tianming Liu,Ninghao Liu,Xiang Li |
発行日 | 2024-12-16 18:25:26+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google