Klinik araştırmalarda hasta seçimi zaman alıcı bir süreç olup, çalışmaların başarısızlığına yol açabiliyor. Araştırmacılar, büyük dil modelleri kullanarak bu soruna çözüm aramış. Çalışmada, hasta kayıtlarından uygun adayları belirlemek için farklı yapay zeka yaklaşımları test edildi. Uzun belgeleri işlemede karşılaşılan 'Ortada Kaybolma' problemi için üç farklı strateji geliştirildi: orijinal bağlam pencerelerini kullanma, varlık tanıma tabanlı özetleme ve dinamik kanıt alma yöntemi. Bu teknolojiler, klinik çalışmalara katılım oranlarını artırarak tıp araştırmalarını hızlandırabilir.

arXiv (Dilbilim & NLP) 0

Teknoloji & Yapay Zeka

29 Apr

Araştırma akış şemalarını otomatik oluşturan yeni R paketi geliştirildi

Klinik ve epidemiyolojik araştırmalarda katılımcıların çalışma sürecindeki yolculuğunu gösteren akış diyagramları, CONSORT ve STROBE gibi uluslararası standartların temel gereksinimlerinden biri. Araştırmacılar şimdiye kadar bu şemaları manuel olarak hazırlamak ya da karmaşık programlama yapıları kurmak zorunda kalıyordu. Bu durum hem zaman alıcıydı hem de hata riskini artırıyordu. Yeni geliştirilen R paketi, bu soruna pratik bir çözüm sunuyor. Paket, araştırma verilerinden otomatik olarak standartlara uygun akış şemaları üretebiliyor. Bu yenilik, özellikle büyük ölçekli epidemiyolojik çalışmalar ve klinik araştırmalar için önemli bir kolaylık sağlayacak. Araştırmacılar artık manuel veri girişi yapmak yerine, verilerini pakete yükleyerek profesyonel görünümlü akış diyagramlarını dakikalar içinde elde edebilecek.

TechXplore — Bilgisayar Bilimleri 0