洞察市场格局
解锁药品研发情报

免费客服电话

18983288589
试用企业版

"大语言"相关的结果
  • 《“达尔姆”：利用大语言模型实现上下文感知的临床数据增强》

    《“达尔姆”：利用大语言模型实现上下文感知的临床数据增强》
    《 “达尔姆” ：利用大语言模型实现上下文感知的临床数据增强》一文提出了一种新颖的临床数据增强框架，称之为“达尔姆”，旨在通过大语言模型（ LLMs ）生成患者情境合成数据，以增强临床数据的适用性和可靠性，进而提高人工智能在医学诊断中的性能。 该研究由澳大利亚昆士兰科技大学、悉尼科技大学、里斯本大学等机构的研究人员共同完成。 在 799 个病例上应用，使用 MIMIC-IV 数据集中的九个特征，“达尔姆”创建了一个包含 91 个特征的增强数据集。
    数字医疗
    达尔姆 大语言
    123
    0
    3周前
  • 《大语言模型生成医疗文本摘要的临床安全性和幻觉率的评估框架》

    《大语言模型生成医疗文本摘要的临床安全性和幻觉率的评估框架》
    随着大语言模型（ LLMs ）在医疗领域的应用日益广泛，尤其是在医疗文本摘要方面，其输出的准确性和安全性至关重要。 本文提出了一种新的评估框架，旨在解决大语言模型在医疗文本摘要中的临床安全性和幻觉率问题。 因此，建立一种评估大语言模型在医疗文本摘要中安全性和准确性的框架显得尤为重要。
    数字医疗
    幻觉 大语言
    94
    0
    4周前
  • 《利用大语言模型实现零样本临床试验患者匹配》

    《利用大语言模型实现零样本临床试验患者匹配》
    确定符合临床试验条件的患者是将新药推向市场的关键瓶颈。 三分之一的临床试验失败是因为他们无法招募到足够的患者，招募费用平均占试验预算的 32% 。 但不幸的是， 94% 的患者从未被医生告知他们可能有资格参加的试验。
    数字医疗
    大语言
    26
    0
    2个月前
  • 《利用大语言模型进行语义临床试验匹配的患者记录解释》

    《利用大语言模型进行语义临床试验匹配的患者记录解释》
    临床试验对于推进科学发现、改善患者治疗和推动医学创新至关重要。 它们的重要性在肿瘤学领域尤为明显，因为它们可以为替代治疗方案有限的肿瘤患者提供可能的治疗选择。 只有大约 7% 的成年人参加癌症临床试验。
    数字医疗
    大语言 语义
    38
    0
    3个月前