تسک‌های NLP (پردازش زبان طبیعی) در پزشکی، توسط مدل‌های مختلفی به انجام رسیده است و این مدل‌ها، دقت‌های مختلفی را از خود نشان داده‌اند. اما محققان دانشگاه مینه‌سوتا هفته‌ی گذشته با معرفی مدل cancerLLM، «دقت و بهینه‌بودن» انجام تسک‌های NLP در زمینه‌ی سرطان را وارد مرحله جدیدی کرده‌اند. این مدل که دقتی بیشتر از مدل‌های قبلی دارد، اندازه‌ی به‌شدت کوچک‌تری (۷ میلیارد پارامتر در مقابل مدل‌های ۷۰ میلیارد پارامتری)‌ هم دارد و این موضوع باعث می‌شود که هزینه‌ی استفاده از آن، به مراتب کمتر هم باشد و امکان پیاده‌سازی آن با امکانات محدود مراکز درمانی را فراهم آورد.

پیش از این مدل‌های زبانی تخصصی زیادی تلاش برای انجام هرچه‌دقیق‌تر تسک‌های کلینیکال داشته‌اند. از بین این مدل‌ها می‌توان به Clinical Camel 70B و Llama3-OpenBioLLM 70B اشاره کرد که دقت‌های خوبی را هم از خودشان نشان داده بودند. اما مدل جدید معرفی‌شده دقت بسیار بهتری نسبت به مدل‌های قدیمی‌تر دارد و در نمودار زیر می‌توانید مقایسه‌ای از دقت این مدل‌ها را مشاهده کنید.

اما نکته‌ی قابل توجه درمورد مدل cancerLLM علی‌رغم دقت خوب آن اندازه‌ی بسیار کوچک‌تر آن نیز می‌باشد و این موضوع باعث می‌شود که استفاده از آن در شرایط مختلف ممکن شود. به صورت کلی هم ساختن مدلی با اندازه‌ی بسیار بزرگ و امکان پیاده‌سازی کم ارزش زیادی ندارد و همین کوچک‌کردن‌ها است که کمک می‌کند این مدل‌ها در کارهای روزمره قابل استفاده باشند. خوش‌بختانه ترند مقالات هم به همین سمت است و روز به روز شاهد مدل‌های بهینه‌تری خواهیم بود.

در تصویر زیر هم می‌توانید تقریبا تمام کارهایی که این محققان انجام داده‌اند را به صورت خلاصه مشاهده کنید.

شاید برای‌تان سوال باشد که مدل زبانی در زمینه‌ی سرطان چه کاربردی می‌تواند داشته باشد. به همین منظور محققان همین مقاله جدول زیر را ارائه کرده‌اند تا خوانندگان را با سوالات مختلفی که می‌توان از این مدل پرسید آشنا کنند. همان‌طور که مشاهده می‌کنید این سوالات تقریبا تمام سوالات درس پاتولوژی عملی را شامل می‌شود! :)

پژوهش‌های هوش مصنوعی در زمینه‌ی سرطان با سرعت بسیار بیشتری از گذشته در جریان است و پیش‌بینی می‌شود که به زودی پیشرفت‌های بسیار مهمی در این زمینه اتفاق بیفتد. ما هم سعی می‌کنیم که در ادامه بیشتر به این موضوع بپردازیم و اگر به این مقاله علاقه‌مند هستید پیشنهاد می‌کنیم که فایل اصلی مقاله را هم مطالعه کنید.