新时代的新动作：医疗行业反腐为期一年。

新时代的新动作：医疗行业反腐为期一年。从这个视频曝出的内情来看，似乎医疗行业的腐败惊人。可是在中共国，哪个行业没有潜规则？哪个官员不贪？这不是哪个行业的问题，也不是哪个人的问题，而是整个体制的问题！这个中共体制才是造成中共国小官大贪、大官具贪无官不贪如此腐败的温床和根本！人人为己谋利！根本无人在为人民服务！所以今天中国人民生活才会这么苦这么难！人不治天治，老天要灭牠了！没有了共产党，国家才有希望，人民才会有幸福！亲，您与这个魔鬼政党切割了吗？三退保平安：https://tinyurl.com/2k7d2l78

研究显示AI大语言模型在处理医疗编码方面有着明显局限性

研究显示AI大语言模型在处理医疗编码方面有着明显局限性这项研究从西奈山医疗系统12个月的常规护理中提取了27000多个独特的诊断和手术代码，同时排除了可识别的患者数据。通过对每个代码的描述，研究人员促使OpenAI、Google和Meta的模型输出最准确的医疗代码。研究人员将生成的代码与原始代码进行了比较，并分析了错误的模式。研究人员报告说，所研究的所有大型语言模型，包括GPT-4、GPT-3.5、Gemini-pro和Llama-2-70b在再现原始医疗代码方面都显示出有限的准确性（低于50%），这突出表明这些模型在医疗编码的实用性方面存在很大差距。GPT-4的性能最好，ICD-9-CM（45.9%）、ICD-10-CM（33.9%）和CPT代码（49.8%）的精确匹配率最高。GPT-4还生成了最高比例的错误代码，但仍然表达了正确的含义。例如，当给出ICD-9-CM中"结节性前列腺，无尿路梗阻"的描述时，GPT-4生成了"结节性前列腺"的代码，展示了其对医学术语相对细微的理解。然而，即使考虑到这些技术上正确的代码，仍然存在大量令人无法接受的错误。其次是GPT-3.5模型，该模型的模糊倾向最大。与准确的代码相比，它错误生成的代码中准确但较为笼统的代码比例最高。在这种情况下，当提供ICD-9-CM描述"未指定的麻醉不良反应"时，GPT-3.5生成的代码为"其他未在别处分类的特定不良反应"。研究报告的通讯作者、伊坎山西奈医院数据驱动与数字医学（D3M）和医学（消化内科）助理教授、医学博士、理学硕士阿里-索罗什（AliSoroush）说："我们的研究结果突出表明，在医疗编码等敏感业务领域部署人工智能技术之前，亟需进行严格的评估和改进。虽然人工智能拥有巨大的潜力，但必须谨慎对待并不断开发，以确保其在医疗保健领域的可靠性和有效性。"研究人员说，这些模型在医疗保健行业的一个潜在应用是根据临床文本自动分配医疗代码，用于报销和研究目的。"以前的研究表明，较新的大型语言模型在处理数字任务时非常吃力。然而，这些模型从临床文本中分配医疗代码的准确程度尚未在不同的模型中得到深入研究，"共同第一作者、D3M的生成式人工智能研究项目主任、医学博士EyalKlang说。"因此，我们的目的是评估这些模型能否有效地完成将医疗代码与其相应的官方文本描述相匹配的基本任务。"研究报告的作者提出，将LLM与专家知识相结合可以实现医疗代码提取的自动化，从而有可能提高账单的准确性并降低医疗保健的管理成本。"这项研究揭示了人工智能在医疗保健领域的现有能力和挑战，强调了在广泛采用之前进行仔细考虑和进一步完善的必要性，"共同第一作者、西奈山伊坎大学医学教授、查尔斯-布朗夫曼个性化医学研究所所长兼D3M系统主管艾琳-费什伯格博士（IreneandDr.ArthurM.Fishberg）医学博士、医学博士吉里什-纳德卡尔尼（GirishNadkarni）说。研究人员提醒说，这项研究的人工任务可能并不能完全代表真实世界的情况，在这种情况下，LLM的表现可能会更糟。下一步，研究团队计划开发量身定制的LLM工具，用于准确提取医疗数据和分配账单代码，以提高医疗运营的质量和效率。编译来源：ScitechDaily...PC版：https://www.cnbeta.com.tw/articles/soft/1428862.htm手机版：https://m.cnbeta.com.tw/view/1428862.htm

ChatGPT在临床决策中显示出"令人印象深刻"的准确性

ChatGPT在临床决策中显示出"令人印象深刻"的准确性这款基于扩展语言模型的人工智能聊天机器人在不同医疗领域的初级保健和急诊环境中都表现出了一致的性能。研究结果最近发表在《医疗互联网研究杂志》上。"我们的论文全面评估了通过ChatGPT提供的决策支持，从一开始与病人打交道到整个护理场景，从鉴别诊断一直到检测、诊断和管理，"论文通讯作者、麻省总医院创新和商业化副主席兼战略创新领导者、MESH孵化器执行主任MarcSucci博士说。"目前还没有真正的基准，但我们估计这种表现相当于医学院刚毕业的实习生或住院医师的水平。这告诉我们，一般来说，LLM有潜力成为医学实践的辅助工具，并以令人印象深刻的准确性支持临床决策。"人工智能技术的变化日新月异，正在改变包括医疗保健在内的许多行业。然而，人们还没有研究过LLM在临床护理中的全面辅助能力。在这项关于如何将LLMs用于临床建议和决策的跨专业综合研究中，Succi和他的团队测试了一个假设，即ChatGPT能够在与患者的整个临床接触过程中提出诊断建议，决定临床管理方案，并最终做出诊断。这项研究是通过将36个已发表的标准化临床案例的连续部分粘贴到ChatGPT中完成的。首先，要求该工具根据患者的初始信息（包括年龄、性别、症状以及是否急诊）提出一系列可能的诊断或鉴别诊断。然后，ChatGPT获得更多信息，并被要求做出处理决定和给出最终诊断--模拟真实病人就诊的整个过程。研究小组在结构化盲法过程中比较了ChatGPT在鉴别诊断、诊断检测、最终诊断和处理方面的准确性，对正确答案给予评分，并使用线性回归评估ChatGPT的表现与小插图人口统计信息之间的关系。研究人员发现，总体而言，ChatGPT的准确率约为72%，在最终诊断方面表现最佳，准确率为77%。在进行鉴别诊断时，它的准确率最低，只有60%。而在临床管理决策方面，如在得出正确诊断后决定用什么药物治疗病人，其准确率仅为68%。研究中其他值得注意的发现包括，ChatGPT的答案没有显示出性别偏见，其在初级和急诊护理中的整体表现稳定。"ChatGPT在鉴别诊断方面表现不佳，而鉴别诊断是医生必须弄清楚该怎么做的医学难题，"Succi说。"这一点很重要，因为它告诉我们医生在哪些方面才是真正的专家，并能带来最大的价值--在病人护理的早期阶段，几乎没有什么现成的信息，这时需要一份可能的诊断清单。"作者指出，在考虑将ChatGPT等工具整合到临床护理中之前，需要更多的基准研究和监管指导。下一步，Succi的团队将研究人工智能工具能否改善医院资源有限地区的病人护理和治疗效果。人工智能工具在医疗领域的出现具有开创性意义，有可能积极重塑医疗服务的连续性。麻省总医院布里格姆分院作为全美顶尖的综合学术医疗系统和最大的创新企业之一，在对新兴技术进行严格研究方面处于领先地位，为将人工智能负责任地融入医疗服务、劳动力支持和管理流程提供依据。MassGeneralBrigham首席信息官兼数字高级副总裁AdamLandman（医学博士、理学硕士、医学信息管理硕士、MHS）表示："MassGeneralBrigham认为LLM在帮助改善医疗服务和临床医生体验方面大有可为。我们目前正在评估LLM解决方案，以协助临床工作。"...PC版：https://www.cnbeta.com.tw/articles/soft/1379469.htm手机版：https://m.cnbeta.com.tw/view/1379469.htm