{"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\/sv\/2024\/02\/gpt-4v-offers-big-benefits-in-clinical-trial-screening\/","title":{"rendered":"GPT-4V ger stora f\u00f6rdelar vid screening av kliniska pr\u00f6vningar"},"content":{"rendered":"

Att screena patienter f\u00f6r att hitta l\u00e4mpliga deltagare till kliniska pr\u00f6vningar \u00e4r en arbetsintensiv, dyr och felben\u00e4gen uppgift, men AI kan snart l\u00f6sa det problemet.<\/strong><\/p>\n

Ett forskarlag fr\u00e5n Brigham and Women's Hospital, Harvard Medical School och Mass General Brigham Personalized Medicine genomf\u00f6rde en studie f\u00f6r att se om en AI-modell kunde bearbeta medicinska journaler f\u00f6r att hitta l\u00e4mpliga kandidater f\u00f6r kliniska pr\u00f6vningar.<\/p>\n

De anv\u00e4nde GPT-4V, OpenAI:s LLM med bildbehandling, som m\u00f6jligg\u00f6rs av Retrieval-Augmented Generation (RAG) f\u00f6r att bearbeta potentiella kandidaters elektroniska patientjournaler (EHR) och kliniska anteckningar.<\/p>\n

LLM:er \u00e4r f\u00f6rtr\u00e4nade med hj\u00e4lp av ett fast dataset och kan bara svara p\u00e5 fr\u00e5gor som baseras p\u00e5 dessa data. RAG \u00e4r en teknik som g\u00f6r det m\u00f6jligt f\u00f6r en LLM att h\u00e4mta data fr\u00e5n externa datak\u00e4llor som internet eller en organisations interna dokument.<\/p>\n

N\u00e4r deltagare v\u00e4ljs ut till en klinisk pr\u00f6vning avg\u00f6rs deras l\u00e4mplighet utifr\u00e5n en lista med inklusions- och exklusionskriterier. Detta inneb\u00e4r normalt att utbildad personal g\u00e5r igenom journaler f\u00f6r hundratals eller tusentals patienter f\u00f6r att hitta dem som uppfyller kriterierna.<\/p>\n

Forskarna samlade in data fr\u00e5n en studie som syftade till att rekrytera patienter med symtomatisk hj\u00e4rtsvikt. De anv\u00e4nde dessa data f\u00f6r att se om GPT-4V med RAG kunde g\u00f6ra jobbet mer effektivt \u00e4n studiepersonalen och samtidigt beh\u00e5lla noggrannheten.<\/p>\n

De strukturerade data som finns i de potentiella kandidaternas journaler kan anv\u00e4ndas f\u00f6r att fastst\u00e4lla 5 av 6 inklusionskriterier och 5 av 17 exklusionskriterier f\u00f6r den kliniska pr\u00f6vningen. Det \u00e4r den enkla delen.<\/p>\n

De \u00e5terst\u00e5ende 13 kriterierna beh\u00f6vde fastst\u00e4llas genom att unders\u00f6ka ostrukturerad data i varje patients kliniska anteckningar, vilket \u00e4r den arbetsintensiva del som forskarna hoppades att AI skulle kunna hj\u00e4lpa till med.<\/p>\n

\n

\ud83d\udd0dKan @Microsoft<\/a> @Azure<\/a> @OpenAI<\/a>'s #GPT4<\/a> prestera b\u00e4ttre \u00e4n en m\u00e4nniska vid screening f\u00f6r kliniska pr\u00f6vningar? Vi st\u00e4llde den fr\u00e5gan i v\u00e5r senaste studie och jag \u00e4r oerh\u00f6rt glad \u00f6ver att kunna dela med mig av v\u00e5ra resultat i preprint:https:\/\/t.co\/lhOPKCcudP<\/a>
\nAtt integrera GPT4 i kliniska pr\u00f6vningar \u00e4r inte...<\/p>\n

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