Vědci z Číny a Singapuru spolupracovali na multimodálním modelu s velkým jazykem (LLM) využívajícím umělou inteligenci (AI) na pomoc lékařům v primární péči o pacienty s diabetem, zejména při diagnostice, což vede k lepším výsledkům léčby. Jedná se o první model svého druhu na světě a výzkum byl právě publikován v časopise Nature Medicine.
Výzkumný tým využívá umělou inteligenci k diagnostice a léčbě cukrovky. (Zdroj: Carnegie Mellon University) |
Odhaduje se, že v roce 2021 mělo na celém světě cukrovku více než 500 milionů lidí, většinou v zemích s nízkými a středními příjmy. Tyto země se často potýkají s nedostatkem vyškolených zdravotnických pracovníků v primární péči a s omezeným odpovídajícím screeningem diabetické retinopatie, jedné z komplikací cukrovky, která postihuje oko.
Tváří v tvář této realitě vyvinuli vědci z Univerzity Tsinghua, Univerzity Shanghai Jiao Tong a Národní univerzity v Singapuru model podobný jazykovému modelu GPT-4 od OpenAI, který může lékařům primární péče poskytnout vodítko pro správu lékařských záznamů během péče a léčby diabetických pacientů.
Model s názvem DeepDR-LLM integruje jazyk i obraz a je navržen tak, aby využíval vynikající vlastnosti současných modelů velkých jazyků a hlubokého učení k poskytování komplexního řešení v oblasti obrazové diagnostiky a vytváření vhodných léčebných doporučení.
Tým použil open-source LLM s 371 763 skutečnými doporučeními pro léčbu od 267 730 účastníků. Kromě toho vědci použili také 21 datových sad sítnicových obrazů ze sedmi zemí: Číny, Singapuru, Indie, Thajska, Velké Británie, Alžírska a Uzbekistánu.
V následné retrospektivní studii vykázal DeepDR-LLM srovnatelný výkon s personálem primární péče v angličtině, zatímco v čínštině překonal.
Kromě toho se při hodnocení úkolu identifikace diabetické retinopatie zvýšila průměrná přesnost lékařů primární péče s pomocí modelu na více než 92 %, což je více než 81 % bez použití modelu výzkumného týmu.
Zdroj: https://baoquocte.vn/benh-nhan-tieu-duong-sap-duoc-nhan-vien-y-te-ai-cham-soc-280474.html
Komentář (0)