यह पेज दुनियाभर में प्रकाशित होने वाले आर्टिफिशियल इंटेलिजेंस संबंधित रिसर्च पेपर्स को संक्षिप्त रूप में प्रस्तुत करता है। यहां Google Gemini का उपयोग करके पेपर्स का सारांश तैयार किया जाता है और यह पेज गैर-लाभकारी रूप से संचालित किया जाता है। पेपर के कॉपीराइट लेखक और संबंधित संस्थान के पास हैं, और साझा करते समय बस स्रोत का उल्लेख करें।
डीप रेयर एक दुर्लभ रोग निदान एजेंट प्रणाली है जो एक बड़े पैमाने के भाषा मॉडल (एलएलएम) पर आधारित है। यह दुर्लभ रोगों के लिए नैदानिक परिकल्पनाओं को क्रमबद्ध करने हेतु विविध नैदानिक इनपुट डेटा को संसाधित करता है और प्रत्येक परिकल्पना के लिए तर्क प्रक्रिया को पारदर्शी रूप से प्रदर्शित करता है। इसमें एक दीर्घकालिक मेमोरी मॉड्यूल वाला एक केंद्रीय होस्ट और एक विशेष एजेंट सर्वर शामिल है जो 40 से अधिक विशिष्ट उपकरणों और अत्याधुनिक चिकित्सा ज्ञान स्रोतों को एकीकृत करता है। इसका मॉड्यूलर और स्केलेबल डिज़ाइन इसे ट्रेसेबिलिटी और अनुकूलनशीलता बनाए रखते हुए जटिल नैदानिक अनुमान लगाने में सक्षम बनाता है। आठ डेटासेट का उपयोग करके किए गए मूल्यांकन परिणामों ने 2,919 रोगों में से 1,013 के लिए 100% सटीकता प्रदर्शित की, जो 15 अन्य विधियों (मौजूदा जैव सूचना विज्ञान निदान उपकरण, एलएलएम और अन्य एजेंट प्रणालियाँ) से बेहतर प्रदर्शन था। उल्लेखनीय रूप से, इसका रिकॉल@1 स्कोर औसतन 57.18% था, जो दूसरी सबसे अच्छी विधि (रीजनिंग एलएलएम) से 23.79 प्रतिशत अंक अधिक था। मल्टीमॉडल इनपुट परिदृश्य में, रिकॉल@1 स्कोर 70.60% था, जो एक्सोमिसर (53.20%) से ज़्यादा था, और नैदानिक विशेषज्ञों द्वारा अनुमान प्रक्रिया के मैन्युअल सत्यापन ने 95.40% सहमति दर दिखाई। इसे एक उपयोगकर्ता-अनुकूल वेब एप्लिकेशन (http://raredx.cn/doctor) के रूप में कार्यान्वित किया गया था ।
Takeaways, Limitations
•
Takeaways:
◦
एलएलएम-आधारित दुर्लभ रोग निदान प्रणाली के उत्कृष्ट प्रदर्शन का प्रदर्शन।
◦
मौजूदा तरीकों की तुलना में बेहतर सटीकता और रिकॉल@1 स्कोर हासिल किया गया।
◦
विविध नैदानिक डेटा (मल्टीमॉडल) के प्रसंस्करण की संभावना।
◦
एक पारदर्शी और पता लगाने योग्य नैदानिक तर्क प्रक्रिया प्रदान करता है।
◦
उपयोगकर्ता-अनुकूल वेब अनुप्रयोग के रूप में कार्यान्वित किया गया।
•
Limitations:
◦
मूल्यांकन डेटासेट के आकार और विविधता की आगे समीक्षा की आवश्यकता है।
◦
वास्तविक दुनिया की नैदानिक सेटिंग्स में सामान्यीकरण का निर्धारण करने के लिए आगे अनुसंधान की आवश्यकता है।
◦
त्रुटि विश्लेषण और सुधार उपायों पर आगे अनुसंधान की आवश्यकता है।
◦
वेब अनुप्रयोगों की पहुंच और उपयोगिता में निरंतर सुधार की आवश्यकता।
