大型語言模型正迅速成為醫院和衛生系統行政人員和臨床醫生新資訊系統的關鍵建構模組。這種形式的人工智慧可以完成人類無法想像的任務。

Harrison.ai 開發人工智慧技術來加速臨床診斷，並提供一套人工智慧放射學和病理學工具。它們旨在提高醫生的效率，並幫助解決職業倦怠問題。

醫療保健 IT 新聞 與 Harrison.ai 聯合創始人兼首席執行官 Aengus Tran 博士交談，談論法學碩士和放射學：為什麼它們很適合、genAI 模型可以為放射科醫生做什麼、放射科醫生如何確保其質量和準確性– 以及採用放射學法學碩士如何協助解決放射科醫師短缺問題。

Q：為什麼大型語言模型非常適合放射學？

一個。 大型語言模型有潛力解決放射學中一些最迫切的挑戰。雖然許多在醫療保健領域取得進展的人工智慧模型只能完成預先定義的任務，但機器學習的進步正在增強新模型進行持續學習並推廣到模型未經過訓練的領域的能力。

這是人工智慧在醫療保健領域的變革性下一步——在這個行業，面對新的和未知的情況，根據先前的經驗和知識得出結論對於為患者提供正確的護理至關重要。

放射學法學碩士的培訓方式與醫學生學習診斷放射學的方式沒有什麼不同——透過不斷的練習、病例回顧和文獻研究。訓練有素的 LLM 模型應該能夠在解析放射影像以檢測異常、定位、與先驗比較和預測結果等任務上實現人類水平的性能。

法學碩士可以立即獲得直接的好處 對於放射科醫生來說，因為它透過快速處理和整合來自多個來源的資訊來支持他們解決醫療數據的快速擴展問題。

無論是解釋醫學文獻和患者病史等文字數據，還是分析視覺影像數據，這些模型都可以為放射科醫生提供全面的見解，而這些見解以前需要大量的時間和資源才能完成。

此外，由於放射學影像是數位化的，因此有大量高品質、標準化的數據，這些數據是該領域獨有的，對於人工智慧幹預來說已經成熟。

Q：法學碩士可以為放射科醫師做什麼？

一個。 世界各地的醫療機構都在努力應對每個病例的醫學影像和相關數據量不斷增加、放射科醫生短缺以及醫生倦怠的風險。

放射學專業的法學碩士可以快速處理醫療資訊、病患病史和影像數據，有可能在短時間內為放射科醫師提供全面的見解。

此外，法學碩士可以透過解釋影像數據、識別異常、建議可能的診斷以及自動化耗時的管理任務，為放射科醫生提供診斷決策支援。然後，放射科醫生可以做出更快、更準確的決策，讓他們能夠看到更多的患者，同時減少整體工作量。

與早期對人工智慧取代放射學工作的擔憂相反，法學碩士——或者至少我們如何看待它們的發展——正在 不是要取代人類的專業知識，而是要增強和增強人類的專業知識。

雖然世界上許多法學碩士都很強大，但他們都有廣泛的、通用的關注點。

這些通才模型不適合完全依賴準確性且不能接受錯誤的領域。像醫療保健這樣專業且高度細緻的功能需要專門的模型。

問：放射科醫師如何確保法學碩士為他們所做的工作的品質和準確性？他們怎樣才能舒服呢？

一個。 模型的好壞取決於它所訓練的數據——我們需要對與使用法學碩士相關的風險和挑戰保持敏感。法學碩士的有效性取決於其培訓數據的三個關鍵要素：品質、數量和多樣性。透過利用在這些方面表現出色的數據集，我們可以創建能夠產生精確和高品質輸出的複雜系統。

此外，綜合評估也很重要。評估用於放射學的法學碩士面臨著更多的挑戰——為了評估基礎模型，我們必須轉向一種範式，測試他們識別個別病理的能力和一般放射學解釋技能。

這意味著必須對法學碩士的安全性和準確性進行更嚴格的測試。這涉及根據國際標準和基準進行測試，比較其他產品的性能 業界的法學碩士，並對模型進行現實世界的評估。

已經引入了幾個基準來評估和比較多模式基礎模型在醫療任務上的表現。我們的觀點是，法學碩士不僅應該根據這些基準進行測試，還應該根據放射科醫生進行的考試進行測試，放射科醫生被認為是解讀醫學影像的黃金標準。

這種嚴格的評估過程具有雙重目的：透過展示模型的徹底驗證來建立放射科醫生的信心，同時確立其作為可靠輔助技術的合法性。

Q：採用放射學法學碩士如何協助解決放射科醫師短缺問題？

一個。 全球醫療保健面臨多重交叉挑戰，包括每個病例的成像量和相關數據不斷增加、醫療專業人員短缺以及剩餘員工倦怠的風險。法學碩士可以透過提高診斷過程的生產力和效率來幫助解決這些問題：

• 他們可以提高手動資料註釋效率，為綜合醫學影像人工智慧創建大型標記資料集。

• 它們可以透過解析放射學報告輕鬆存取和檢索病例，從而促進快速、高效和持續的品質評估。

• 重要的是，作為一種可以隨時隨地工作的模式，法學碩士可以促進服務不足和偏遠地區更好地獲得放射學服務。這可能意味著為可能在偏遠地區或資源有限的設施中工作的臨床醫生提供初步讀數和支持，從而改善世界各地患者獲得及時、準確診斷的公平機會。

其中大多數都是耗時的活動，可以透過人工智慧簡化，使放射科醫生能夠專注於對患者護理影響最大的工作中的關鍵決策要素。

在 LinkedIn 上關注 Bill 的 HIT 報導：Bill Siwicki
給他發電子郵件：bsiwicki@himss.org
醫療保健 IT 新聞是 HIMSS 媒體出版物。

HIMSS 人工智慧醫療保健論壇定於 9 月 5 日至 6 日在波士頓舉行。了解更多並註冊。