Большая языковая модель может анализировать огромные объемы данных о безопасности интервенционной радиологии и делать выводы, помогая специалистам по IR разрабатывать вмешательства.
Ежедневно накапливаются большие объемы данных о неблагоприятном воздействии медицинских изделий, подробно рассказали эксперты Университета Торонто в своем докладе. Журнал Канадской ассоциации радиологов [1]Только в 2022 году в базах данных Управления по санитарному надзору за качеством пищевых продуктов и медикаментов США было зарегистрировано почти 3 миллиона инцидентов, при этом большинство отчетов собиралось в поле для произвольного текста.
«При попытке получить полезную информацию из таких баз данных человеческий анализ ограничен множеством факторов, таких как опыт, необходимое время, отсутствие единообразия и усталость», — написали они Блэр Э. Уоррен, резидент радиологии медицинского факультета университета. визуализацию во время исследования и коллеги 21 августа. «В результате базы данных, содержащие важную информацию о безопасности, могут использоваться недостаточно. »
Для исследования Уоррен и его соавторы проанализировали данные FDA о побочных эффектах, связанных с термической абляцией — процедурой ИК, которая использует микроволновую энергию для разрушения раковых и опухолевых клеток. Выборка включала 1189 инцидентов, зарегистрированных в период с 2011 по 2021 год в США, при этом трое жителей удалили информацию, а исследователь IR проанализировал окончательные данные.
GPT-4 был обучен на наборе из 25 нежелательных явлений IR, проверен еще на 639 и протестирован на 79. Большая языковая модель OpenAI продемонстрировала высокую точность классификации случаев интервенционной радиологии с точностью 86,4% на самом большом наборе проверки.
«ТО [large language model] «Они имитировали человеческий анализ, предполагая возможность использования LLM для обработки больших объемов данных о безопасности IR в качестве инструмента для врачей», — советуют авторы.
Механические неисправности были одними из наиболее распространенных неисправностей, особенно перелом кончика электрода, частое явление в медицинской литературе по микроволновой абляции. Эти нежелательные явления часто возникают в результате применения неуместной или чрезмерной силы через зонд. Почти в половине переломов (42,7%) провайдеры оставляли кончик зонда на прежнем месте. Однако из-за «ограниченности» данных FDA США Уоррен и его соавторы не смогли определить долгосрочные результаты.
«Это исследование демонстрирует возможность использования ИИ для создания отчетов на основе данных, которые в противном случае могли бы быть недооценены», — заключают авторы. «Важно, что автоматизированный анализ этих данных может быть создан экспертами, не связанными с искусственным интеллектом, и полученные LLM могут служить ранними детекторами для выявления важных идей, которые иначе не были бы изучены. Предлагаемая совместная реализация искусственного интеллекта и человека будет иметь низкий риск, учитывая, что данные чаще всего уже существуют, и искусственный интеллект будет использоваться в дополнение к человеческому анализу с постоянным наблюдением экспертов за людьми в качестве последней меры предосторожности. »
Чтобы узнать больше, включая потенциальные ограничения исследования, нажмите ссылку ниже.
