프로페서 H의 메디톡

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..

1차 원고 작성: 2024-09-22 오늘은 "Joint AI-driven event prediction and longitudinal modeling in newly diagnosed and relapsed multiple myeloma"라는 논문을 소개하고자 합니다. 이 연구는 다발성 골수종 환자의 치료 과정을 종합적으로 모델링하는 새로운 AI 기반 접근법을 제시합니다. 출처: npj Digital Medicine (2024). https://doi.org/10.1038/s41746-024-00200-1 다발성 골수종은 두 번째로 흔한 혈액암으로, 매년 전 세계적으로 약 20,000건의 새로운 사례가 발생합니다. 이 질병의 임상 관리는 복잡하며, 환자의 생존을 최대화하고 질병 진행을 지연시키는 동시에..

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..