ஜெனரேட்டிவ் AI உடன் ஹெல்த்கேர் முன்கணிப்பு மாதிரிகளை மேம்படுத்துதல்
நிமோனியா கண்டறிதல் மற்றும் புற்றுநோய் நிலை பற்றிய ஒரு வழக்கு ஆய்வு
திட்ட கண்ணோட்டம்
மருத்துவ அறிக்கைகளில் இருந்து நோய் நிலைகளை கணிக்க, AI ஐ, குறிப்பாக பெரிய மொழி மாதிரிகள் (LLMs) பயன்படுத்துவது, வேகமாக முன்னேறி வரும் சுகாதாரப் பாதுகாப்பில், கணிசமான முன்னேற்றத்தைக் குறிக்கிறது. கிளையண்ட், உடல்நலப் பகுப்பாய்வுகளில் டிரெயில்பிளேசர், அவர்களின் நோய் நிலை முன்கணிப்பு மாதிரிகளைச் செம்மைப்படுத்தும் பணியைத் தொடங்கினார். திறந்த மூல MIMIC CXR தரவுத்தளத்தை மேம்படுத்துவதன் மூலமும், ஆரம்ப பகுப்பாய்விற்கான AI கணிப்புகளை இணைப்பதன் மூலமும், லேபிள் ஸ்டுடியோவுடன் கைமுறையாக சரிபார்ப்பதன் மூலம், மருத்துவ அறிக்கை பகுப்பாய்வுகளுக்கு குறிப்பாக கதிரியக்க அறிக்கைகளுக்கான மாதிரி துல்லியம் மற்றும் நம்பகத்தன்மையை அதிகரிப்பதே குறிக்கோளாக இருந்தது.
சவால்கள்
ஹெல்த்கேர் பணிப்பாய்வுகளில் உருவாக்கும் AI கணிப்புகளை ஒருங்கிணைப்பது பல சவால்களை முன்வைத்தது:
தரவு அணுகல் மற்றும் பாதுகாப்பு
MIMIC-CXR போன்ற உயர்தர, திறந்த-மூல மருத்துவ தரவுத்தொகுப்புகளுக்கான அணுகலைப் பாதுகாப்பதற்கு, தனியுரிமை மற்றும் நெறிமுறைத் தரங்களுக்கு இணங்குவதை உறுதிசெய்ய, கடுமையான நற்சான்றிதழ் செயல்முறை தேவைப்படுகிறது.
கணிப்பு துல்லியம்
உருவாக்கக்கூடிய AI மாதிரிகளின் ஆரம்ப வெளியீடுகள் அவ்வப்போது நோய் நிலை முன்னறிவிப்புகளில் தவறானவற்றை வெளிப்படுத்துகின்றன, மேம்பட்ட துல்லியத்திற்கான கையேடு சோதனைகள் தேவைப்படுகின்றன.
சிக்கலான நோய் மாநில அடையாளம்
மருத்துவ அறிக்கைகளின் நுணுக்கமான மொழியிலிருந்து நோய் நிலைகளை துல்லியமாக வகைப்படுத்துவது, குறிப்பாக உருவாக்கும் AI ஐப் பயன்படுத்தும் போது, குறிப்பிடத்தக்க தடையாக இருந்தது.
சிறுகுறிப்பு தரம்
லேபிள் ஸ்டுடியோ கருவியில் உயர்தர, துல்லியமான சிறுகுறிப்புகளை உறுதிசெய்ய, மருத்துவ நோய் நிலைகளைப் பற்றிய சிறப்பு அறிவும் புரிதலும் தேவை.
தீர்வு
இந்த சவால்களை எதிர்கொள்ள ஷைப் ஒரு விரிவான உத்தியைப் பயன்படுத்தினார்:
- நெறிப்படுத்தப்பட்ட நற்சான்றிதழ்: MIMIC-CXR அணுகலுக்கான நற்சான்றிதழ் செயல்முறையை குழு விரைவாக வழிநடத்தியது, நெறிமுறை ஆராய்ச்சி நடைமுறைகளில் செயல்திறன் மற்றும் அர்ப்பணிப்பை வெளிப்படுத்துகிறது.
- வழிகாட்டுதல் வளர்ச்சி: எல்எல்எம் கணிப்புகளைக் குறிப்பதில் நிலைத்தன்மையையும் தரத்தையும் உறுதிப்படுத்த கையேடு சரிபார்ப்பாளர்களுக்கான நுண்ணறிவு வழிகாட்டுதல்களை உருவாக்கியது.
- AI கணிப்புகள் குறித்த நிபுணர் குறிப்புகள்: மருத்துவ நிபுணத்துவத்தின் ஆதரவுடன் லேபிள் ஸ்டுடியோவைப் பயன்படுத்தி எல்எல்எம் கணிப்புகளின் துல்லியமான கைமுறை சரிபார்ப்பு மற்றும் திருத்தம்.
- செயல்திறன் அளவீடுகள்: விரிவான பகுப்பாய்வு மூலம், ஷைப் LLM இன் செயல்திறன் அளவீடுகளான ஒத்திசைவு, துல்லியம், நினைவுபடுத்துதல் மற்றும் F1 மதிப்பெண் ஆகியவற்றைக் கணக்கிட்டது, இது தொடர்ச்சியான முன்னேற்றத்தை செயல்படுத்துகிறது.
முடிவு
- மேம்படுத்தப்பட்ட துல்லியம் கதிரியக்க அறிக்கைகளிலிருந்து நோய் நிலைகளை கணிப்பதில்.
- வளர்ச்சி ஒரு உயர்தர அடிப்படை உண்மை எதிர்கால தயாரிப்பு மேம்பாட்டிற்கான தரவுத்தொகுப்பு மற்றும் உருவாக்கும் AI கணிப்புகளின் மதிப்பீடு.
- மேம்பட்ட புரிதல் நோய் நிலை அடையாளம், மிகவும் நம்பகமான கணிப்புகளை எளிதாக்குகிறது.
வழக்கு 1 ஐப் பயன்படுத்தவும்: இயந்திர கற்றல் மாதிரி சரிபார்ப்பு
காட்சி: ஜெனரேட்டிவ் AI உடன் நிமோனியா முன்கணிப்பு துல்லியத்தை மேம்படுத்துதல் இந்த நிகழ்வில், நிமோனியாவின் அறிகுறிகளைக் கண்டறிவதற்காக ஒரு ஜெனரேட்டிவ் AI மாதிரியானது மார்பு எக்ஸ்-ரே அறிக்கைகள் மூலம் பிரித்தெடுக்கப்பட்டது. "வலது கீழ் மடலில் அதிகரித்த ஒளிபுகாநிலை, ஒரு தொற்று செயல்முறையைக் குறிக்கிறது" என்று குறிப்பிடும் ஒரு அறிக்கை, அறிக்கையின் தெளிவற்ற சொற்றொடர்களின் காரணமாக AI ஆல் ஆரம்ப "நிச்சயமற்ற" வகைப்பாட்டைத் தூண்டியது.
சரிபார்ப்பு செயல்முறை:
- ஒரு மருத்துவ நிபுணர், லேபிள் ஸ்டுடியோவில் உள்ள அறிக்கையை ஆய்வு செய்தார், AI ஆல் முன்னிலைப்படுத்தப்பட்ட உரையில் கவனம் செலுத்தினார்.
- மருத்துவ சூழலை மதிப்பீடு செய்வதன் மூலமும், கதிரியக்க அறிவைப் பயன்படுத்துவதன் மூலமும், நிபுணர் நிமோனியாவிற்கான உறுதியான "பாசிட்டிவ்" அறிக்கையை மறுவகைப்படுத்தினார்.
- இந்த நிபுணர் திருத்தம் AI மாதிரியில் மீண்டும் ஒருங்கிணைக்கப்பட்டது, அதன் தற்போதைய கற்றல் மற்றும் சுத்திகரிப்புக்கு உதவுகிறது.
விளைவுகளை:
- மேம்படுத்தப்பட்ட மாதிரி துல்லியம்
- செயல்திறன் அளவீடுகளின் துல்லியம் மற்றும் நினைவுகூருதலை மேம்படுத்துதல்
வழக்கு 2 ஐப் பயன்படுத்தவும்: அடிப்படை உண்மை தரவுத்தொகுப்பை உருவாக்கவும்
காட்சி: ஜெனரேட்டிவ் AI உடன் புற்றுநோய் TNM ஸ்டேஜிங்கிற்கான பெஞ்ச்மார்க் டேட்டாசெட்டை உருவாக்குதல்
புற்றுநோய் முன்னேற்ற தயாரிப்பு வளர்ச்சியை முன்னேற்றுவதை நோக்கமாகக் கொண்டு, வாடிக்கையாளர் ஒரு விரிவான நில உண்மை தரவுத்தொகுப்பைச் சேகரிக்க முயன்றார். இந்த தரவுத்தொகுப்பு மருத்துவ விவரிப்புகளிலிருந்து புற்றுநோயின் TNM நிலையை துல்லியமாக கணிக்க புதிய AI மாதிரிகளின் பயிற்சி மற்றும் மதிப்பீட்டை தரப்படுத்துகிறது.
தரவுத்தொகுப்பு உருவாக்கும் செயல்முறை:
- நோயியல் கண்டுபிடிப்புகள் மற்றும் நோயறிதல் கண்ணோட்டங்கள் உட்பட புற்றுநோய் தொடர்பான அறிக்கைகளின் பரந்த அளவிலான அறிக்கைகள் சேகரிக்கப்பட்டன.
- உருவாக்கும் AI மாதிரியானது, ஒவ்வொரு அறிக்கைக்கும் ஆரம்ப TNM ஸ்டேஜிங் கணிப்புகளை வழங்கியது, அதன் கற்ற முறைகள் மற்றும் அறிவைப் பயன்படுத்துகிறது.
- மருத்துவ வல்லுநர்கள் இந்த AI-உருவாக்கப்பட்ட கணிப்புகளை துல்லியம், பிழைகளை சரிசெய்தல் மற்றும் முழுமையடையாத அல்லது தவறான AI கணிப்புகளின் நிகழ்வுகளில் கூடுதல் தகவலை மதிப்பாய்வு செய்தனர்.
விளைவுகளை:
- உயர்தர அடிப்படை உண்மை தரவுத்தொகுப்பை உருவாக்குதல்.
- புற்றுநோயைக் கண்டறிதல் மற்றும் நிலைநிறுத்தம் குறித்த அடுத்த தலைமுறை மாதிரிகளை மேம்படுத்துவதற்கான எதிர்கால தயாரிப்புகளுக்கான அறக்கட்டளை.
ஷாய்ப்புடன் பணிபுரிவது நோய் கணிப்புக்கான எங்கள் அணுகுமுறையில் புரட்சியை ஏற்படுத்தியுள்ளது. Shaip இன் டொமைன் வல்லுநர்களால் நிகழ்த்தப்பட்ட சிறுகுறிப்புகளுடன் எங்கள் மாதிரிகளின் துல்லியமும் நம்பகத்தன்மையும் கணிசமாக மேம்பட்டுள்ளன. அவர்களின் துல்லியமான சரிபார்ப்பு செயல்முறைக்கு நன்றி.
