卫宁健康WiNGPT医学影像研究成果荣登国际顶刊《Radiology》

导读 小枫来为解答以上问题。卫宁健康WiNGPT医学影像研究成果荣登国际顶刊《Radiology》,这个很多人还不知道,现在让我们一起来看看吧~.~!  N...

小枫来为解答以上问题。卫宁健康WiNGPT医学影像研究成果荣登国际顶刊《Radiology》,这个很多人还不知道,现在让我们一起来看看吧~.~!

  NEWS TODAY

  大语言模型强大的推理与生成能力正逐步应用于医疗各个领域,在放射科、影像报告方面的研究成果不断涌现。近日,卫宁健康(300253)联合解学乾教授团队发表“Constructing a Large Language Model to Generate Impressions from Findings in Radiology Reports” 一文,探讨构建从影像所见中生成结论的大语言模型并评价相应的结果。研究成果已于9月17日在国际顶级期刊 《Radiology》上发表。

  影像报告用于记录和表述关键的影像所见,常常依靠放射科医师的临床经验,然而结论通常是主观的,有时会出错。他们可能忽视或没有充分体现重要的发现,不同医师的结论也可能不同。总之,放射科影像报告的专业性和复杂性,对自动生成诊断结论而言是巨大的挑战。

  本研究的目的是开发一个基于影像所见生成结论的大语言模型,并在专业性和语言学维度上评估其性能。

  研究使用70亿参数的大语言模型(卫宁健康WiNGPT-7B),并使用20GB医疗和通用文本数据进行预训练,以及包含800份放射学报告的1.5GB数据进行微调。采用两个测试集用于评估大语言模型生成结论与医师结论的相似性。此外还定义了一个子集,以深入研究大语言模型与最终结论不同的案例。

  结果表明,在包含607名患者影像的测试集中,该大语言模型在召回率、精确度和F1分数上的中位数分别为0.65、0.762和0.684;在包含3988名患者影像的测试集中,对应中位数分别为0.775、0.84和0.772。在包含1014名患者影像的子测试集中,专家小组使用Likert五点量表对大语言模型生成的结论进行了评分,总体中位数为5(IQR,5-5),表明大语言模型生成的结论在科学术语、连贯性、特定诊断、鉴别诊断、管理建议、正确性、全面性、无害性和无偏见等方面表现良好。

  在本研究中,通过对大语言模型进行预训练和微调,使其成功输出专业的且符合医学语言的影像结论。大语言模型通过模拟人类学习的方式,吸收和理解大量知识,掌握了对影像的解读能力,从而证明其在这一领域的实用性和潜力,有望成为未来放射科影像诊断的有力工具。

  About Radiology

  《Radiology》是由Radiological Society of North America (RSNA)出版的高影响力医学期刊,专注于放射学和影像学领域研究,长期被公认为放射医学领域最新、最具临床相关性且具备最高质量研究的权威刊物。该期刊涵盖了广泛主题,包括放射学、核医学、放射治疗、影像诊断、放射生物学等。

  该刊已被国际权威数据库SCIE、SCI收录,是国际顶级期刊。致力于发表经过严格同行评审的高质量原创文章,反映医学-核医学领域的新进展、新技术、新成果。

来源:卫宁健康官微

以上就是关于【卫宁健康WiNGPT医学影像研究成果荣登国际顶刊《Radiology》】的相关内容,希望对大家有帮助!

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时候联系我们修改或删除,多谢。