Исследовательская группа из Китайской академии наук впервые провела систематическое исследование, посвященное изучению эффективности больших языковых моделей (LLM) при прогнозировании результатов лечения рака печени. Данная технология становится одним из методов прецизионной медицины на базе искусственного интеллекта.
В ходе исследования была выполнена оценка эффективности основных LLM — GPT-4, GPT-4o, Google Gemini и DeepSeek — в прогнозировании результатов лечения при обучении без ознакомления. Это означает, что модели не проходили предварительное обучение работе с данными о раке печени.
Точность прогнозирования при использовании модели Gemini-GPT соответствовала уровню врачей с опытом работы не менее 15 лет. Данная модель неизменно давала стабильные результаты при различных методах лечения и стадиях заболевания. Она характеризовалась особой надежностью при выявлении пациентов, у которых лечение с определенной долей вероятности окажется эффективным. При выявлении данной категории пациентов модель давала более высокую согласованность результатов, чем врачи.
Внедрение простых логических стратегий позволило еще больше увеличить практическую применимость модели в клинических условиях.
Исследовательская группа из Китайской академии наук впервые провела систематическое исследование, посвященное изучению эффективности больших языковых моделей (LLM) при прогнозировании результатов лечения рака печени. Данная технология становится одним из методов прецизионной медицины на базе искусственного интеллекта.
В ходе исследования была выполнена оценка эффективности основных LLM — GPT-4, GPT-4o, Google Gemini и DeepSeek — в прогнозировании результатов лечения при обучении без ознакомления. Это означает, что модели не проходили предварительное обучение работе с данными о раке печени.
Точность прогнозирования при использовании модели Gemini-GPT соответствовала уровню врачей с опытом работы не менее 15 лет. Данная модель неизменно давала стабильные результаты при различных методах лечения и стадиях заболевания. Она характеризовалась особой надежностью при выявлении пациентов, у которых лечение с определенной долей вероятности окажется эффективным. При выявлении данной категории пациентов модель давала более высокую согласованность результатов, чем врачи.
Внедрение простых логических стратегий позволило еще больше увеличить практическую применимость модели в клинических условиях.
