의료 진단 보조를 위한 일반 의학 언어 모델
정확한 의학적 진단은 적절한 치료의 시작점이 됩니다. 최근의 대형 언어 모델(LLMs)이 학습 능력에서 많은 진전을 보였음에도 불구하고, 임상 진단에서의 효과는 아직 입증되지 않았습니다. 이에 우리는 MedFound라는 1,760억 개의 매개변수를 가진 일반 의학 언어 모델을 소개합니다. 이 모델은 다양한 의학 텍스트와 실제 임상 기록에서 추출한 대규모 데이터를 통해 사전 학습되었습니다. 의사들의 진단 추론 방식을 자기 부트스트래핑 전략 기반의 사고 체인 접근법으로 학습시켰으며 표준 임상 실무에 맞추기 위한 통합 선호 조정 프레임워크도 추가했습니다. 광범위한 실험 결과, 이 모델이 여덟 개의 전문 분야에 걸쳐 일반 질환, 외부 검증 및 드문 질환과 같은 다양한 진단 시나리오에서 기존의 다른 모델들과 특화 모델들을 능가하는 성능을 보였습니다. 추가 연구는 이 LLM 학습 접근법의 핵심 구성 요소가 효과적임을 나타냅니다.
모델의 임상적 활용 가능성을 인공지능과 의사 간의 비교, AI 지원 연구, 인간 평가 프레임워크를 통해 포괄적으로 평가했습니다. 제안된 프레임워크는 의무 기록 요약, 진단 추론, 위험 관리 등의 기능을 포함한 여덟 가지 임상 평가 기준을 통합합니다. 우리의 결과는 이 모델이 임상 업무 흐름에서 의사들의 질병 진단을 보조하는 데 있어 실현 가능성이 있음을 보여줍니다.
출처 : 원문 보러가기
