{"id":9968,"date":"2024-02-13T13:08:02","date_gmt":"2024-02-13T13:08:02","guid":{"rendered":"https:\/\/dailyai.com\/?p=9968"},"modified":"2024-02-13T13:08:02","modified_gmt":"2024-02-13T13:08:02","slug":"gpt-4v-offers-big-benefits-in-clinical-trial-screening","status":"publish","type":"post","link":"https:\/\/dailyai.com\/de\/2024\/02\/gpt-4v-offers-big-benefits-in-clinical-trial-screening\/","title":{"rendered":"GPT-4V bietet gro\u00dfe Vorteile beim Screening in klinischen Studien"},"content":{"rendered":"

Das Screening von Patienten, um geeignete Teilnehmer f\u00fcr klinische Studien zu finden, ist eine arbeitsintensive, teure und fehleranf\u00e4llige Aufgabe, aber KI k\u00f6nnte das bald \u00e4ndern.<\/strong><\/p>\n

Ein Forscherteam des Brigham and Women's Hospital, der Harvard Medical School und des Mass General Brigham Personalized Medicine f\u00fchrte eine Studie durch, um herauszufinden, ob ein KI-Modell medizinische Daten verarbeiten kann, um geeignete Kandidaten f\u00fcr klinische Studien zu finden.<\/p>\n

Sie nutzten GPT-4V, OpenAIs LLM mit Bildverarbeitung, die durch Retrieval-Augmented Generation (RAG) erm\u00f6glicht wird, um die elektronischen Gesundheitsakten (EHR) und klinischen Notizen potenzieller Kandidaten zu verarbeiten.<\/p>\n

LLMs werden anhand eines festen Datensatzes trainiert und k\u00f6nnen nur auf der Grundlage dieser Daten Fragen beantworten. RAG ist eine Technik, die es einem LLM erm\u00f6glicht, Daten aus externen Datenquellen wie dem Internet oder den internen Dokumenten einer Organisation abzurufen.<\/p>\n

Wenn Teilnehmer f\u00fcr eine klinische Studie ausgew\u00e4hlt werden, wird ihre Eignung anhand einer Liste von Ein- und Ausschlusskriterien bestimmt. Dazu m\u00fcssen geschulte Mitarbeiter in der Regel die elektronischen Patientenakten von Hunderten oder Tausenden von Patienten durchforsten, um diejenigen zu finden, die den Kriterien entsprechen.<\/p>\n

Die Forscher sammelten Daten aus einer Studie, die darauf abzielte, Patienten mit symptomatischer Herzinsuffizienz zu rekrutieren. Sie nutzten diese Daten, um herauszufinden, ob GPT-4V mit RAG die Aufgabe effizienter erledigen kann als das Studienpersonal, ohne die Genauigkeit zu beeintr\u00e4chtigen.<\/p>\n

Anhand der strukturierten Daten in den elektronischen Patientenakten potenzieller Kandidaten k\u00f6nnten 5 von 6 Einschluss- und 5 von 17 Ausschlusskriterien f\u00fcr die klinische Studie festgelegt werden. Das ist der einfache Teil.<\/p>\n

Die verbleibenden 13 Kriterien mussten durch die Abfrage unstrukturierter Daten in den klinischen Aufzeichnungen der einzelnen Patienten ermittelt werden, was der arbeitsintensive Teil ist, bei dem die Forscher hofften, dass die KI sie unterst\u00fctzen k\u00f6nnte.<\/p>\n

\n

\ud83d\udd0dKann @Microsoft<\/a> @Azure<\/a> @OpenAI<\/a>'s #GPT4<\/a> besser als ein Mensch f\u00fcr das Screening in klinischen Studien geeignet? Diese Frage haben wir uns in unserer j\u00fcngsten Studie gestellt, und ich freue mich sehr, dass wir unsere Ergebnisse im Preprint ver\u00f6ffentlichen k\u00f6nnen:https:\/\/t.co\/lhOPKCcudP<\/a>
\nDie Einbeziehung von GPT4 in klinische Studien ist nicht...<\/p>\n

- Ozan Unlu (@OzanUnluMD) 9. Februar 2024<\/a><\/p><\/blockquote>\n