医学中的机器学习（MLxMed）研讨会：彭一凡，康奈尔大学助理教授

4月19日，星期五，美国东部时间下午2:00 - 3:00
地点:放大 https://pitt.zoom.us/j/96364079972
（详情列于最后）

演讲者彭一凡； 人口健康科学助理教授, 人口健康科学 , 威尔，康奈尔医学院

讨论题目法学硕士和证据总结

摘要: 以大型语言模型（llm）为例的生成式人工智能在协助医学证据总结方面显示出巨大的前景。 然而，人们对预先训练的法学硕士产生的产出的质量表示担忧，这可能导致有害的错误信息。 在这次演讲中，我将首先讨论我们对llm的能力和局限性的调查，特别是GPT-3.5和ChatGPT，在六个临床领域进行零射击医学证据总结。 我们的澳门威尼斯人注册网站研究表明，法学硕士可能容易产生与事实不一致的总结，并做出过于令人信服或不确定的陈述，从而导致错误信息带来的潜在危害。  此外，我们观察到自动度量通常与摘要的质量没有很强的相关性。 然后，我将在证据总结中讨论我们澳门威尼斯人注册微调法学硕士对提高其绩效的影响的澳门威尼斯人注册网站研究。  我们发现，与零学习相比，微调llm改进了自动评估指标，如ROUGE， METEOR， CHRF和PICO-F1。 我们还发现，与较大的零射击模型相比，较小的微调模型有时表现出更好的性能。 上述改善趋势在人和gpt4模拟评估中也有所体现。 我们的发现证实了法学硕士在医学证据总结方面的潜力。

生物彭是威尔康奈尔医学院健康科学系的助理教授。 主要澳门威尼斯人注册网站研究方向为生物信息处理和医学图像分析，如命名实体识别、信息提取、疾病诊断与预后等。 在加入康奈尔医学院之前，他是美国国家生物技术信息中心（NCBI）、美国国家医学图书馆（NLM）、美国国立卫生澳门威尼斯人注册网站研究院（NIH）的澳门威尼斯人注册网站研究员。 他获得了我在特拉华大学的博士学位。 在博士培训期间，他澳门威尼斯人注册网站研究了机器学习在生物医学关系提取中的应用，重点是对生物医学文本的语言结构进行深入分析。 他是NCBI第一位获得NIH K99/R00资助的获奖者，该资助支持他使用自然语言处理和机器学习提取放射学特定领域知识并建立自动报告系统的工作。

欲了解更多信息，请访问MLX系列网站： https://ml-in-medicine.org

Zoom登录详情:

时间：2024年4月19日，星期五，东部时间下午2点（美国和加拿大）

Please click the link below to join the webinar:
https://pitt.zoom.us/j/96364079972
Or One tap mobile :

+12678310333, 96364079972# US（费城）

或电话:

拨号（为了获得更高的质量，请根据您当前的位置拨打号码）：

+1 267 831 0333 US (Philadelphia)
Webinar ID: 963 6407 9972

国际电话：https://pitt.zoom.us/u/abJfcl4Atq