健康

RAGはヘルスケアAIイニシアチブをどのようにサポートしていますか？

検索された高級世代とは何ですか？ RAGを使用すると、LLMは、応答を生成する前に出力を最適化するためにより適しています、とTehsin Syed氏は言います。 Amazon Webサービス'健康AIのゼネラルマネージャー。これは、ユーザーが具体的または技術的な質問をしている場合に価値があります。 「信頼できる外部知識ベースは通常、モデルのトレーニングデータよりも最新です。これは重要な利点です」と彼は言います。 「ヘルスケアの場合、これはLLMSが最新の医学研究、臨床ガイドライン、患者データを活用して、より正確で文脈的に関連する反応を提供できることを意味します。」 正確性の向上に加えて、RAGは組織が懸念に対処するのに役立ちます リスクを誤って伝え、ケアの必要性を過小評価するAIモデルのバイアス 少数民族で。 LLMは、前提条件の知識のみに依存しています、Syedは、RAGにより、組織は「より多様な代表的な知識ベースをキュレートする」ことを可能にし、ユーザーが情報源に応答をトレースすることができると説明しています。 それに注意することが重要です ラグは、既存のLLMを微調整するだけではありません。微調整は、モデルを特定のドメインに適応させ、追加のトレーニング資料を入力し、新しい質問と回答を生成するという広範なフィードバックループが必要です、とStroumは言います。驚くことではありませんが、それは時間を集中的で高価になる可能性があります。 一方、Ragはモデルを変更しませんが、「実行時に外部情報を取得および組み込むことで機能を強化する」とSyed氏は言います。 「このアプローチは、より大きな柔軟性を提供し、モデルが再訓練を必要とせずに最新の情報にアクセスできるようにします。」 探検する： RAGの実装を改善できる3つの領域を以下に示します。 医療機関のRAGの利点 最新情報を引き出すことにより、RAGは最新の医学研究にアクセスできないより伝統的なLLMの制限に対処することを目的としています、とSyedは言います。を統合するためのユースケース Amazonは医療を理解します 自然言語処理サービスは、医療コーディングの自動化、臨床要約の生成、投薬の副作用の分析、意思決定支援システムの展開などが含まれます。 内部的に、 RAGにより、LLMが患者の記録やその他の機密情報源を引き込むことができます その汎用LLMは決して訓練されませんでした。ヘルスシステムは、RAGを使用して、高度にパーソナライズされた患者教育資料を作成できます。 これはぼろきれの重要な利点を強調しています。 非構造化データをナビゲートします。 Stroumは、報道文書の証拠を指摘しています。複数の州で運営されている保険会社は、これらの数百を簡単に持つことができます。 RAGを使用すると、特定の郡の特定の計画の下で特定の手順のためにCopayを引き上げるようモデルに促すことができます。 RAGは、動詞時制間の違いを認識するのに苦労している従来の検索機能からも大きな前進しています。 走った そして 走る）必ずしも検索結果に影響を与えるべきではありません。 「今日のモデルはあなたが求めていることを見ることができ、彼らはより寛容です」とStroum氏は言います。 その結果、RAGは、ハイテクに精通していないエンドユーザーが、そうでなければイライラする可能性のあるエンドユーザーにとってよりアクセスしやすいです。また、より詳細なプロンプトを可能にします。たとえば、HRチームは、現在の手続き型用語コーディングで少なくとも3年の経験がある候補者の履歴書のリポジトリを検索できます。 「Ragはまだ言語モデルの基本的な期待を使用していますが、今では会話のレベルを調整できます」とStroum氏は付け加えます。 #RAGはヘルスケアAIイニシアチブをどのようにサポートしていますか