محققان در مطالعهای جدید، یک چارچوب مبتنی بر هوش مصنوعی (LLM) طراحی کردهاند که میتواند با تحلیل یادداشتهای بالینی، عوارض جانبی سیستم ایمنی (cirAEs) را با دقتی بهمراتب بالاتر از بررسیهای دستی شناسایی کند.
نتایج این تحقیق نشان میدهد که استفاده از این مدلِ «انسان در حلقه» (Human-in-the-loop)، نهتنها دقت شناسایی را افزایش داده (از F1=0.77 به 0.88)، بلکه زمان لازم برای بررسی پروندههای پزشکی را به نصف کاهش داده است. این گام بزرگی برای افزایش سرعت و شفافیت در دادههای پزشکی است که میتواند در آینده به تشخیص بهترِ مسمومیتها و عوارض جانبی داروها در سایر اندامها نیز کمک کند. 🚀🔬
منبع: arXiv NLP