Cancer-Answer: Empowering Cancer Care with Advanced Large Language Models

要約

消化管（GI）管がんは世界のがん負担のかなりの部分を占めており、管理と患者の転帰を改善するには早期診断が極めて重要です。
複雑な病因と消化器がん全体で重複する症状により診断が遅れ、最適とはいえない治療戦略が導かれることがよくあります。
正確で包括的な情報へのアクセスは転帰に大きな影響を与える可能性があるため、がん関連の質問はタイムリーな診断、治療、患者教育にとって極めて重要です。
しかし、病気としてのがんの複雑さと入手可能な膨大な量のデータにより、臨床医や患者が正確な答えをすぐに見つけることが困難になっています。
これらの課題に対処するために、当社は GPT-3.5 Turbo などの大規模言語モデル (LLM) を活用して、がん関連のクエリに対して正確で文脈に応じた応答を生成します。
医療データで事前トレーニングされたこれらのモデルは、がんの診断と治療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 つのメトリクスを計算します: A1 (ゴールド スタンダードと比較した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 スタンダードに対するモデル生成の回答の言語的正確さと意味深さを表します)。
それぞれ最大値 0.546 と 0.881 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

提供元, 利用サービス

arxiv.jp, Google