Большие языковые модели (Large Language Models, LLM) произвели революцию в обработке естественного языка. Такие модели, как GPT-4 и PaLM 2, занимают сегодня центральное место в инновациях ИИ в медицине.
Применение LLM позволяет существенно повысить точность решения самых разнообразных задач обработки естественного языка, включая интерпретацию и классификацию, обобщение текстовой информации, создание чат-ботов и иных диалоговых систем, генерацию текстов по запросам и т.д.
Применение предварительно обученных LLM позволяет создать прикладные модели для решения узких задач с минимальным набором для дообучения (‘few-shot’) или даже вовсе без обучающего набора (‘zero-shot’), что позволяет существенно ускорить и одновременно удешевить создание прикладных ИИ-систем .
Одним из самых известных в мире примеров успешного применения LLM является чат-бот ChatGPT компании OpenAI, который может принимать на вход любой произвольный запрос и давать на него ответ, имитирующий ответ человека.
ИИ-решения на основе LLM способны очень быстро анализировать, обобщать и перефразировать любую информацию на естественном языке, в том числе собранную со слов пациента. Это открывает действительно впечатляющие перспективы для ускорения и повышения эффективности проектов цифровой трансформации здравоохранения, направленных на создание новых инновационных сервисов для пациентов.
Перспективные ниши для применения LLM в медицине это:
- Применение в цифровых сервисах для пациентов для анализа лабораторных результатов, описания заболеваний,а также для интерпретации заметок врача, формирования персонализированных рекомендации по поводу здоровья, прогнозирования состояния здоровья, оценки симптомов, чат-боты и т.д.
- Применения LLM в медицинском образовании. Высокие результаты GPT-4 и Med-PaLM 2 в медицинских тестированиях позволяют предположить, что LLM могут стать полезным инструментом обучения для студентов, которые в настоящее время показывают более низкие результаты в таких тестах
- Применение данной технологии для ускорения и сокращения стоимости клинических исследований. Это может снизить бремя критической оценки, составления отчетов об исследованиях, что составляет значительную часть рабочей нагрузки исследователей.
Новые технологии открывают широкие возможности для применения в клинической, образовательной и исследовательской деятельности, особенно в связи с развитием мультимодальности и интеграции в уже существующие цифровые инструменты в сфере здравоохранения.
Скачать статью можно здесь: https://webiomed.ru/publikacii/