تقدم هذه الفقرة Me-LLaMA، وهي عائلة جديدة من نماذج اللغة الكبيرة الطبية مفتوحة المصدر (LLMs) المصممة لتعزيز التطبيقات الطبية من خلال دمج معرفة واسعة خاصة بالمجال مع قدرات قوية على اتباع التعليمات. تم تطويرها من خلال التدريب المستمر على نماذج LLaMA2 وضبط التعليمات، تستخدم Me-LLaMA مصادر بيانات بيولوجية طبية وسريرية متنوعة، بما في ذلك الأدبيات…

تناقش هذه القسم الإمكانات الكبيرة لنماذج اللغة الكبيرة (LLMs) في توقع المخاطر بعد الجراحة بناءً على الملاحظات السريرية التي تم جمعها خلال رحلة المريض المحيطة بالجراحة. أظهر تحليل لـ 84,875 ملاحظة قبل الجراحة مرتبطة بحالات جراحية من 2018 إلى 2021 أن نماذج LLM المدربة مسبقًا تفوقت على تمثيلات الكلمات التقليدية، محققة زيادة مطلقة بنسبة 38.3%…

تناقش هذه الفقرة التحديات والقيود التي تواجه الأساليب الحالية في التشخيص السريري باستخدام صور الأشعة، لا سيما في سياق الإبلاغ عن الأمراض وتصنيفها. تعتمد الطرق التقليدية بشكل أساسي على الإشراف وتستند بشكل كبير إلى توفر بيانات مصنفة عالية الجودة، والتي غالبًا ما تكون نادرة للأمراض النادرة أو الجديدة وفي اللغات غير الإنجليزية. يبرز المؤلفون أن…

يتناول هذا القسم من ورقة البحث تطوير وتقييم خط أنابيب مفتوح المصدر يستخدم نموذج اللغة الكبير المحلي (LLM) “لاما 2” لاستخراج المعلومات الكمية من النصوص السريرية غير المنظمة، مع التركيز بشكل خاص على ميزات تليف الكبد غير التعويضي. قامت الدراسة بتحليل 500 تاريخ طبي للمرضى من مجموعة بيانات MIMIC IV، وحددت خمسة ميزات سريرية رئيسية…

تقدم البحث DRG-LLaMA، وهو نموذج لغوي كبير جديد (LLM) مصمم لتحسين كفاءة عملية تعيين مجموعة التشخيص ذات الصلة (DRG) ضمن نظام الدفع للمرضى الداخليين في الولايات المتحدة. تم ضبطه بدقة على 236,192 ملخص خروج من MIMIC-IV باستخدام التكيف منخفض الرتبة (LoRA)، حقق نموذج DRG-LLaMA -7B درجة F1 متوسطة قدرها 0.327، ودقة توقع من الدرجة الأولى…