مجموعه Meditron LLM متا برای پر کردن شکاف در مراقبت‌های بهداشتی با منابع کم

LLM که به طور مشترک توسط محققان École Polytechnique Fédérale de Lozanne (EPFL) و دانشکده پزشکی Yale توسعه یافته و توسط کمیته بین المللی صلیب سرخ (ICRC) پشتیبانی می شود، بر روی پلت فرم Meta Llama2 ساخته شده است.

در پیشرفتی برای صنعت مراقبت‌های بهداشتی، محققان Meditron را پرده‌برداری کردند، مجموعه‌ای از مدل‌های زبان بزرگ (LLM) منبع باز، که به‌طور خاص برای کمک به متخصصان پزشکی طراحی شده است.

LLM که به طور مشترک توسط محققان دانشگاه پلی‌تکنیک فدرال لوزان (EPFL) و دانشکده پزشکی ییل توسعه یافته و توسط کمیته بین‌المللی صلیب سرخ (ICRC) پشتیبانی می‌شود، بر روی پلت فرم Meta Llama2 ساخته شده و با دقت آموزش دیده است. منابع داده‌های پزشکی با کیفیت بالا،” متا در یک پست وبلاگ گفت.

مدیترون همچنین با “مطالب مستمر از سوی پزشکان و متخصصان در پاسخ‌های بشردوستانه” عرضه و پالایش شده است. انتظار می رود این LLM پزشکی به متخصصان مراقبت های بهداشتی در “تصمیم گیری و تشخیص بالینی” کمک کند.

کاهش شکاف در پذیرش هوش مصنوعی پزشکی

«مدل‌های بنیاد به دارایی‌های فکری و فرهنگی امروزی تبدیل شده‌اند،» مری آن هارتلی، استاد دانشگاه ییل، که رهبری پروژه را بر عهده دارد، در وبلاگ گفت. هنگامی که در حوزه پزشکی اعمال می شود، آنها پتانسیل ارائه مشاوره و راهنمایی نجات دهنده را دارند. با این حال، تنظیمات با کمترین منبع بیشترین سود را دارند و کمترین نمایش را دارند.”

مدیترون با این چالش مقابله می کند. Meditron که بر اساس Meta’s Llama 2 ساخته شده است، بر روی مجموعه داده عظیمی از اطلاعات پزشکی نظارت شده از جمله دستورالعمل های بالینی، مجلات پزشکی و داده های دنیای واقعی از سازمان های بشردوستانه مانند ICRC تنظیم شده است.

وبلاگ توضیح داد:

این آموزش تضمین می‌کند که اطلاعاتی که Meditron ارائه می‌کند با شیوه‌های مبتنی بر شواهد و استانداردهای حرفه‌ای مطابقت دارد. “مجموعه Meditron این پتانسیل را دارد که نیازهای حیاتی را در تنظیمات مختلف، از جمله سناریوهای اضطراری که نیاز به پاسخ سریع و دقیق پزشکی دارند و کمک به کارکنان مراقبت های بهداشتی در تشخیص و درمان بیماران در مناطق محروم، برآورده کند.”

پرادیپتا میشرا، یکی از بنیانگذاران و معمار ارشد شرکت حفاظت از حریم خصوصی داده ها، گفت: «مدیترون جهشی قابل توجه در دموکراسی کردن دسترسی به ابزارهای هوش مصنوعی قدرتمند برای مراقبت های بهداشتی است. «مدل زبان آموزش‌دیده بر روی داده‌های متنی عمومی را می‌توان برای کارهای پزشکی خاص مانند پاسخ‌گویی به سؤالات پزشکی، مستندات بالینی یا تشخیص بیمار به‌خوبی تنظیم کرد.»

موفقیت اولیه و دسترسی باز

طبق گزارش متا، مدیترون از زمان انتشار بیش از ۳۰۰۰۰ بار دانلود شده است و “شکاف مهمی را در نوآوری در تنظیمات پزشکی با منابع کم پر می کند.” با این حال، محققان دست از نوآوری برنداشته اند و قبلاً با آخرین ویژگی های Llama 3 به روز شده است.

“پس از انتشار Meta Llama 3 در هفته گذشته، تیم مدل جدید ۸B را ظرف ۲۴ ساعت تنظیم کرد تا Llama-3[8B]-MeditronV1.0 را ارائه دهد، که عملکرد بهتری از تمام ایالت‌ها دارد. این وبلاگ ادعا می‌کند که مدل‌های پیشرفته را در کلاس پارامترهای خود در معیارهای استاندارد مانند MedQA و MedMCQA باز می‌کند.

هارتلی معتقد بود که دسترسی باز، شاید مهم ترین جنبه مدیترون باشد. کل مجموعه – داده ها، وزن مدل، و مستندات جامع – به صورت رایگان در دسترس است. هارتلی امیدوار بود که این بتواند «نوآوری در محیط‌های محدود به منابع را برای تضمین بهتر نمایندگی و ایجاد دسترسی عادلانه به دانش پزشکی تقویت کند. تنظیمات با منابع کم نباید مجبور به «اختراع مجدد چرخ» شوند تا جمعیت و نیازهایشان در این فناوری حیاتی نمایش داده شود.”

حرکت فراتر از معیارها

در حالی که مدیترون در حال حاضر مجموعه LLM های منبع باز پزشکی را بر اساس معیارهای استاندارد رهبری می کند، محققان این دانشگاه ها اذعان داشتند که این ممکن است چالش های بالینی دنیای واقعی را منعکس نکند.

برای پرداختن به این مشکل، محققان ابتکار عمل Meditron MOOVE (Massive Open Online Validation and Evaluation) را راه اندازی کرده اند و از متخصصان مراقبت های بهداشتی در سراسر جهان دعوت می کنند تا عملکرد Meditron را در سناریوهای دنیای واقعی، به ویژه در محیط های کم منابع، ارزیابی کنند. href=”https://ai.meta.com/blog/llama-2-3-meditron-yale-medicine-epfl-open-source-llm/?ref=futuretools.io” rel=”nofollow”>وبلاگ اضافه شد.

هارتلی گفت: «این که این متخصصان با محدودیت زمان داوطلبانه وقت خود را در جامعه منبع باز ما برای تأیید مستقل مدیترون صرف می کنند، نشان دهنده ارزش آن است. ما در موقعیت منحصر به فردی هستیم که بتوانیم این همه بازخورد را دریافت کنیم و آن را در یک مدل جدید بگنجانیم. امیدواریم سرمایه‌گذاران ارزش اجتماعی و تجاری سرمایه‌گذاری در ابتکار منبع باز دانشگاهی ما را درک کنند.»

میشا هشدار داد: «اطمینان از دقت، قابلیت اطمینان و توضیح ابزارهای هوش مصنوعی مانند مدیترون در تنظیمات بالینی دنیای واقعی، چندین چالش فنی کلیدی را ارائه می‌کند که باید به آنها رسیدگی شود.