要約
胃腸(GI)路癌は、管理の改善と患者の転帰に早期診断が重要である世界的な癌の負担のかなりの部分を占めています。
GIがん全体の複雑な病因と重複症状は、しばしば診断を遅らせ、最適ではない治療戦略につながります。
がん関連のクエリは、正確で包括的な情報へのアクセスが結果に大きく影響する可能性があるため、タイムリーな診断、治療、患者教育には重要です。
しかし、病気としての癌の複雑さは、利用可能な膨大なデータと組み合わされて、臨床医と患者がすぐに正確な答えを見つけることを困難にします。
これらの課題に対処するために、GPT-3.5ターボなどの大規模な言語モデル(LLM)を活用して、がん関連のクエリに対する正確で文脈的に関連する反応を生成します。
医療データを事前に訓練したこれらのモデルは、がんの診断とケアにおける情報に基づいた意思決定をサポートするタイムリーで実用的な洞察を提供し、最終的に患者の転帰を改善します。
2つのメトリックを計算します。A1(ゴールドスタンダードと比較してモデル生成の回答に存在するエンティティの割合を表します)とA2(ゴールドスタンダードに関するモデル生成の回答の言語的正確性と意味を表します)、それぞれ0.546および0.881の最大値を達成します。
要約(オリジナル)
Gastrointestinal (GI) tract cancers account for a substantial portion of the global cancer burden, where early diagnosis is critical for improved management and patient outcomes. The complex aetiologies and overlapping symptoms across GI cancers often delay diagnosis, leading to suboptimal treatment strategies. Cancer-related queries are crucial for timely diagnosis, treatment, and patient education, as access to accurate, comprehensive information can significantly influence outcomes. However, the complexity of cancer as a disease, combined with the vast amount of available data, makes it difficult for clinicians and patients to quickly find precise answers. To address these challenges, we leverage large language models (LLMs) such as GPT-3.5 Turbo to generate accurate, contextually relevant responses to cancer-related queries. Pre-trained with medical data, these models provide timely, actionable insights that support informed decision-making in cancer diagnosis and care, ultimately improving patient outcomes. We calculate two metrics: A1 (which represents the fraction of entities present in the model-generated answer compared to the gold standard) and A2 (which represents the linguistic correctness and meaningfulness of the model-generated answer with respect to the gold standard), achieving maximum values of 0.546 and 0.881, respectively.
arxiv情報
著者 | Aniket Deroy,Subhankar Maity |
発行日 | 2025-03-18 15:36:28+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google