클로드 22

AI의 의학도전 (12) - 대규모 언어 모델의 이점과 한계: 혈액학 분야에서의 활용

1차 원고 작성: 2024.11.22참고문헌: https://onlinelibrary.wiley.com/doi/10.1111/bjh.19738 Exploring the role of Large Language Models in haematology: A focused review of applications, benefits and limitations. 대규모 언어 모델(LLMs)의 이점과 한계: 혈액학 분야에서의 활용일관성대규모 언어 모델의 일관성에 대한 평가는 연구마다 상이합니다.Kurstjens et al.은 ChatGPT가 동일한 답변을 80%의 확률로 선택해 일관성이 부족한 모델로 평가되었으나, GPT-4는 98.3%의 확률로 동일한 답변을 선택해 매우 일관성이 높은 모델로 평가되었습니다(27..

의학 2024.11.22

AI의 의학도전 (11) - "전문의급 실력" GPT-4의 안과 진단 능력 첫 검증: 422개 임상 사례 분석 결과

1차 원고 작성: 2024-11-21오늘은 "Assessing the medical reasoning skills of GPT-4 in complex ophthalmology cases"라는 논문에 대해 내용을 정리하고자 합니다. 이 연구는 GPT-4의 복잡한 안과 임상 사례에 대한 의료 추론 능력을 평가한 중요한 논문입니다.출처: JAMA Ophthalmology (2024)https://bjo.bmj.com/content/108/10/1398  Assessing the medical reasoning skills of GPT-4 in complex ophthalmology casesBackground/aims This study assesses the proficiency of Generative P..

의학 2024.11.21

AI의 의학 도전 (9) NEJM case 평가를 통한 다중 모달 AI의 의료 진단

1차 원고 작성: 2024-10-25 오늘은 "Evaluating multimodal AI in medical diagnostics"라는 논문에 대해 내용을 정리하고자 합니다. 이 연구는 다중 모달 AI 모델이 임상 진단에서 보이는 정확도와 반응성을 평가한 중요한 논문입니다. 출처: npj Digital Medicine (2024) 7: 205. https://doi.org/10.1038/s41591-024-02780-7 이 연구에서는 NEJM Image Challenge 질문에 대한 AI 모델의 응답을 인간 집단 지성과 비교하여 AI의 잠재력과 현재의 한계를 조명했습니다.  이 연구의 주요 내용은 다음과 같습니다:Anthropic의 Claude 3 모델이 가장 높은 정확도를 기록했으며, 이는 AI 모델..

카테고리 없음 2024.10.25

AI의 의학 도전 (8) : PathChat, 병리학의 새로운 동반자 - 다중모달 AI가 여는 정확한 진단의 미래

1차 원고 작성: 2024-10-24 오늘은 "A multimodal generative AI copilot for human pathology"라는 논문에 대해 내용을 정리하고자 합니다. 이 연구는 병리학 분야를 위한 다중모달 AI 어시스턴트인 PathChat의 개발과 성능을 다룬 혁신적인 논문입니다.  출처: Nature (2024) 634: 466-473 https://doi.org/10.1038/s41586-024-07618-3 컴퓨터 병리학 분야는 특정 작업을 위한 예측 모델과 자기지도 학습 비전 인코더의 개발에서 상당한 진전을 이루었습니다. 하지만 생성형 AI의 폭발적인 성장에도 불구하고, 병리학에 특화된 범용 다중모달 AI 어시스턴트의 개발은 제한적이었습니다. 이 연구에서는 병리학을 위한 비..

카테고리 없음 2024.10.24

AI의 의학도전 (7) - GPT-4V의 다중 모달 성능: 의료 이미지와 텍스트 이해를 통한 임상 문제 해결

1차 원고 작성: 2024-10-24  오늘은 "Hidden flaws behind expert-level accuracy of multimodal GPT-4 vision in medicine" 논문의 주요 내용을 정리하고자 합니다. 이 연구는 의료 분야에서 GPT-4V의 성능과 한계점을 심층적으로 분석한 중요한 논문입니다.  출처: Jin, Q., Chen, F., Zhou, Y. et al. Hidden flaws behind expert-level accuracy of multimodal GPT-4 vision in medicine. npj Digit. Med. 7, 190 (2024). https://doi.org/10.1038/s41746-024-01185-7  최근 연구들에 따르면 GPT-4V..

의학 2024.10.24

Prompt Engineering (2) - 의료 서비스에 적용을 위한 팁

프롬프트 엔지니어링은 상대적으로 새로운 연구 분야로, LLM의 출력을 다양한 작업에서 최적화하기 위한 프롬프트(지시문)를 설계하고, 개선하며, 실행하는 과정을 의미한다. 이는 AI 시스템과 효과적으로 상호작용하여 그 이점을 극대화하는 기술이다.의료 전문가 및 전반적인 의료 분야에서 프롬프트 엔지니어링은 다음과 같은 역할을 할 수 있다: 의사 결정 지원: 의료 전문가는 프롬프트 엔지니어링을 통해 AI 시스템을 최적화하여 진단, 치료 선택, 위험 평가 등의 의사 결정 과정을 지원할 수 있다.행정 지원: 프롬프트를 활용하여 환자 일정 관리, 기록 유지, 청구서 발행 등 행정 업무를 원활하게 처리함으로써 효율성을 높일 수 있다.환자 참여: 프롬프트 엔지니어링을 통해 의료 제공자와 환자 간의 의사소통을 개선할 수..

카테고리 없음 2024.10.18

AI의 의학 도전 (6) : LLM의 임상 의사결정 한계 극복 - 안전한 의료 AI 개발을 위한 새로운 프레임워크

1차 원고 작성: 2024-10-17 오늘은 "Evaluation and mitigation of the limitations of large language models in clinical decision-making"이라는 논문에 대해 내용을 정리하고자 합니다. 이 연구는 대규모 언어 모델(LLM)을 임상 의사 결정에 활용할 때의 한계점을 평가하고 개선 방안을 모색한 중요한 논문입니다. 출처: Nature Medicine (2024) 30: 2613–2622. https://doi.org/10.1038/s41591-024-02780-7 대규모 언어 모델(LLM)은 의료 면허 시험에서 우수한 성과를 보이며 임상 의사 결정 분야에서 큰 잠재력을 보여주고 있습니다. 그러나 실제 임상 환경에서 필요한 많은..

카테고리 없음 2024.10.17

AI의 의학 혁신: LLM으로 전방위 예측에 도전하다(1) - NYUTron

1차 원고 작성: 2024-10-17 오늘은 "Health system-scale language models are all-purpose prediction engines"라는 논문에 대해 내용을 정리하고자 합니다. 이 연구는 대규모 언어 모델(LLM)을 활용하여 의료 시스템 전반에 걸친 예측 엔진으로서의 잠재력을 탐구한 중요한 논문입니다. 출처: Nature (2023) 619, 357–362. https://doi.org/10.1038/s41586-023-06160-y  의사들은 매일 시간에 쫓기는 중요한 결정을 내려야 합니다. 임상 예측 모델은 의사와 관리자들이 임상 및 운영 이벤트를 예측하여 결정을 내리는 데 도움을 줄 수 있습니다. 그러나 기존의 구조화된 데이터 기반 임상 예측 모델은 데이터 ..

카테고리 없음 2024.10.17

AI의 의학 도전: AI를 이용한 의사결정시스템(1) - 맞춤 약물 조정

1차 원고 작성: 2024-09-22 오늘은 "Personalized dose selection for the first Waldenström macroglobulinemia patient on the PRECISE CURATE.AI trial"이라는 논문을 정리하고자 합니다. 이 연구는 희귀질환인 발덴스트롬 대구단백혈증(WM) 환자에게 인공지능(AI) 기반 임상 의사결정 지원 시스템을 적용한 사례 연구입니다. 출처: npj Digital Medicine (2024). https://doi.org/10.1038/s41746-024-01373-9  이 연구는 CURATE.AI라는 AI 기반 플랫폼을 사용하여 WM 환자의 개인화된 약물 투여 용량을 결정하는 과정을 보여줍니다. 특히 희귀질환에서 제한된 데이터..