Современные медицинские модели больших языков
Суммирование клинических заметок
на 30% точнее, чем BART, Flan-T5 и Pegasus.
Распознавание клинических сущностей
Модели John Snow Labs допускают вдвое меньше ошибок, чем ChatGPT.
Извлечение кодов МКБ-10-CM
выполняется с 76 % успехом против 26 % у GPT-3.5 и 36 % у GPT-4.
Использование LLM в здравоохранении
Использование специфических для здравоохранения LLM для поиска данных в записях и историях болезни пациентов
Министерство по делам ветеранов США - система здравоохранения, обслуживающая более 9 миллионов ветеранов и членов их семей. Сотрудничество с Национальным институтом искусственного интеллекта VA (NAII), Инновационным подразделением VA (VAIU) и Управлением информационных технологий (OI&T) показало, что, хотя точность текущих LLM на основе клинических записей неприемлема, ее можно значительно повысить с помощью предварительной обработки, например, используя модели обобщения клинического текста John Snow Labs перед подачей их в качестве контента на генеративный выход ИИ LLM.
Поиск когорты пациентов с текстовым запросом: Использование моделей LLM в здравоохранении для точного управления здоровьем населения
Используя модели Healthcare LLM лаборатории Джона Сноу, платформа ClosedLoop позволяет пользователям извлекать когорты пациентов с помощью текстовых запросов. Примеры включают: "Какие пациенты входят в верхние 5% риска незапланированной госпитализации и имеют хроническую болезнь почек 3-й стадии или выше?" или "Какие пациенты входят в верхние 5% риска госпитализации, старше 72 лет и не проходили ежегодный медицинский осмотр?"
---