Использование искусственного интеллекта в радиологии
Генеративные модели зрения и языка (VLM) революционизировали радиологию, автоматизируя интерпретацию медицинских изображений и создание подробных отчетов. Однако VLM подвержены генерации галлюцинаций – нонсенс или неверный текст, что может привести к клиническим ошибкам и увеличению рабочей нагрузки для медицинского персонала.
Проблема и практические решения
Основной проблемой является тенденция VLM к галлюцинациям относительно предыдущих исследований в радиологических отчетах. Традиционные методы борьбы с галлюцинациями включают предварительную обработку обучающих наборов данных для удаления проблемных ссылок. Однако усовершенствованные методы, такие как DPO, предлагают более эффективные решения без необходимости явных моделей вознаграждения.
Практические результаты
Исследователи предложили метод, основанный на DPO, специально разработанный для подавления галлюцинаций относительно предыдущих исследований в радиологических отчетах. После тонкой настройки модели с использованием DPO, удалось значительно сократить нежелательные ссылки, сохраняя при этом клиническую точность.
Заключение
Результаты исследования показывают, что DPO может эффективно подавлять галлюцинации в создании радиологических отчетов, сохраняя клиническую точность. Этот подход предлагает практическое и эффективное решение для улучшения надежности медицинских отчетов, созданных с помощью ИИ, что в конечном итоге способствует улучшению ухода за пациентами и снижению нагрузки на радиологов.
