Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

RetSTA: An LLM-Based Approach for Standardizing Clinical Fundus Image Reports

Created by
  • Haebom
Category
Empty

저자

Jiushen Cai, Weihang Zhang, Hanruo Liu, Ningli Wang, Huiqi Li

개요

본 논문은 안저 검사 보고서의 표준화를 위한 이중 언어 표준 용어집을 구축하고, 이를 기반으로 두 가지 대규모 언어 모델(LLM), RetSTA-7B-Zero와 RetSTA-7B를 개발했습니다. RetSTA-7B-Zero는 임상 시나리오를 모방한 증강 데이터셋으로 미세 조정되어 강력한 표준화 기능을 보여주지만, 다양한 질병 범위를 다루는 데 한계를 보입니다. RetSTA-7B는 RetSTA-7B-Zero가 생성한 표준화된 데이터와 해당 영어 데이터를 통합하여 다양한 복잡한 임상 시나리오를 다루고 보고서 수준의 표준화를 최초로 달성했습니다. 실험 결과, RetSTA-7B는 이중 언어 표준화 작업에서 다른 LLM보다 우수한 성능과 일반화 능력을 보였습니다. 모델 체크포인트는 https://github.com/AB-Story/RetSTA-7B 에서 이용 가능합니다.

시사점, 한계점

•
시사점:
◦
안저 검사 보고서의 이중 언어 표준화를 위한 새로운 접근법 제시.
◦
보고서 수준의 표준화를 달성한 최초의 LLM 개발.
◦
우수한 성능과 일반화 능력을 가진 RetSTA-7B 모델 제시.
◦
의료 데이터 통합 및 의료 질 향상에 기여.
◦
공개된 모델 체크포인트를 통한 연구 재현성 및 활용 가능성 증대.
•
한계점:
◦
RetSTA-7B-Zero의 질병 범위 제한.
◦
다양한 언어 지원 부족 (현재는 이중 언어 지원).
◦
모델의 성능 평가에 사용된 데이터셋의 일반화 가능성 검토 필요.
👍
Made with Slashpage