Clinical text classification under the Open and Closed Topic Assumptions
PulseAugur coverage of Clinical text classification under the Open and Closed Topic Assumptions — every cluster mentioning Clinical text classification under the Open and Closed Topic Assumptions across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
AI临床预测研究关注不确定性和正确性评估
两篇新研究论文探讨了用于临床应用的人工智能模型中不确定性估计的关键问题。第一篇论文介绍了一种用于临床文本分类的大型语言模型（LLM）的新型贝叶斯方法，将LLM视为模拟器，以生成关于诊断的后验分布。该方法旨在提供比传统黑盒方法更可靠的不确定性量化，在区分临床基准上的正确预测与错误方面表现优越。第二篇论文侧重于用于临床预测的视觉语言模型，强调了仔细选择用于评估不确定性估计的“正确性标准”的重要性。它提出了一个基于人类一致性和对下游性能的保…
-
新基准揭示大型语言模型在临床文本中难以处理诊断不确定性
一项新的基准测试已被开发出来，用于评估大型语言模型（LLMs）在临床文本中保留诊断不确定性的能力。研究发现，当前的LLMs往往无法维持原有的不确定性水平，有时保留不确定性的次数不到一半。该研究强调了LLMs在临床环境中一种关键的失效模式，因为改变不确定性表达会显著改变临床意义并影响治疗决策。
-
Meddies PII：发布用于临床文本去标识化的开放模型
研究人员推出了 Meddies PII，这是一个用于去标识化临床文本的开源模型和数据集。该模型旨在移除患者特异性信息，同时保留人工智能推理所需的关键临床细节。Meddies PII 旨在处理医疗保健环境中的多语言数据和各种文本格式，为需要保护患者数据以用于人工智能应用的医院提供了一个起点。