مدلهای زبانی بزرگ (LLM) علیرغم توانمندی بالا، در تحلیل گزارشهای پزشکی پیچیده دچار مشکلاتی مثل توهم (Hallucination) یا ناتوانی در درک جزئیات آناتومیک میشدند.
محققان در مطالعه جدیدی، فریمورک «SCALPEL» را معرفی کردند که با استفاده از تکنیکهای یادگیری تطبیقی، شکاف بین تصاویر پزشکی و گزارشهای متنی را پر میکند. این مدل به طور ویژه برای شناسایی دقیقتر موقعیتهای آناتومیک و جلوگیری از خطاهای تفسیری طراحی شده است. گامی بزرگ به سوی تشخیصهای هوشمندتر و قابلاعتمادتر! 🩺🤖
منبع: arXiv Computer Vision