프로페서 H의 메디톡

🎨 가능한 붓터치 스타일과 특징첫 생성 이미지는 대부분 그렇듯이 완성하고자 하는 그림의 골격을 만든다고 생각하면 될 것 같다. 프롬프트를 점점 추가하거나 변경하면서 원하는 느낌에 이르도록 조정해보자 다음의 효과로 초기 생성이미지를 좀더 세련된 스타일로 변경시켜 보자.  1️⃣ 임페스토 (Impasto) - 현재 스타일두껍게 칠한 페인트로 질감이 강조됨거친 붓터치, 빛이 반사되는 느낌대표 화가: 빈센트 반 고흐, 렘브란트  2️⃣ 스무드 블렌딩 (Smooth Blending)붓질이 거의 보이지 않으며 색이 부드럽게 혼합됨몽환적, 부드러운 분위기대표 화가: 레오나르도 다 빈치 (스푸마토 기법)3️⃣ 드라이 브러시 (Dry Brush)건조한 붓을 사용하여 페인트를 거칠게 입힘거친 느낌, 텍스처가 강조됨대표 ..

MyGPTs는 사용자가 자신만의 맞춤형 AI 모델을 만들 수 있는 OpenAI의 서비스입니다. 주요 기능은 다음과 같습니다:Instructions (지시사항)프로그래밍 없이도 원하는 작업을 지시하여 AI를 커스터마이징할 수 있습니다.사용자의 요구에 맞춰 AI의 역할과 행동을 정의할 수 있습니다.Extra Knowledge (추가 지식)사용자가 직접 데이터를 업로드하여 AI에게 추가 정보를 제공할 수 있습니다.최신 데이터나 특정 분야의 전문 지식을 AI에 통합할 수 있습니다.Actions (액션)외부 API나 데이터베이스를 GPT 모델과 연동할 수 있습니다.이를 통해 단순 텍스트 생성을 넘어 다양한 작업을 수행할 수 있습니다.대화형 인터페이스사용자와 자연스러운 대화를 나누며 정보 검색, 문제 해결, 학습 ..

Autonomous LLM-driven research from data to human-verifiable research papersLLM 스스로 연구 : 데이터에서 검증 가능한 연구 논문까지https://ai.nejm.org/doi/full/10.1056/AIoa2400555 작성일: 2024.01.03연구 개요본 연구는 AI 기반 연구가 투명성, 추적성, 검증 가능성과 같은 핵심적인 과학적 가치를 준수할 수 있는지 탐구한다. Tal Ifargan, Lukas Hafner 등이 주도한 이 연구는 2024년 4월 30일에 NEJM AI에 발표되었다.핵심 연구 내용data-to-paper 플랫폼 소개연구진은 AI 에이전트들이 완전한 연구 과정을 수행할 수 있도록 안내하는 자동화 플랫폼 'data-to-..

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..

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..

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..

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..

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..

1차 원고 작성: 2024-09-22오늘은 "Prediction model for drug response of acute myeloid leukemia patients"라는 논문을 소개하고자 합니다. 이 연구는 급성 골수성 백혈병(AML) 환자의 약물 반응을 예측하기 위한 새로운 앙상블 기반 AI 모델인 MDREAM을 개발하고 검증했습니다. 출처: npj Precision Oncology (2023). https://doi.org/10.1038/s41698-023-00373-0 이 연구는 급성 골수성 백혈병(AML) 환자의 약물 반응을 예측하기 위한 MDREAM이라는 새로운 모델을 개발하고 검증한 것입니다. 주요 방법론적 특징은 다음과 같습니다:데이터 통합:유전자 변이 데이터유전자 발현 데이터대규모 약..