“bilgi çıkarma” için sonuçlar
3 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Yapay zeka hastane notlarındaki gereksiz metni yüzde 47 azaltıyor
Sağlık sistemlerinde yapay zeka kullanımı hızla artarken, hastane notlarındaki şablon metinler ve kopyala-yapıştır uygulamaları ciddi bir sorun haline gelmiş durumda. Bu uygulamalar notları gereksiz tekrarlarla şişiriyor ve yapay zeka sistemlerinin maliyetini artırıyor. Araştırmacılar TRACE adını verdikleri yeni bir sistem geliştirerek bu sorunu çözmeyi başardılar. Sistem, elektronik sağlık kayıtlarındaki meta verileri kullanarak şablon ve kopyalanmış içerikleri tespit ediyor. 5,3 milyon hastane notu üzerinde yapılan testlerde TRACE, notlardaki metni yüzde 47,3 oranında azaltırken, bilgi çıkarma ve klinik karar verme performansını korudu. Bu gelişme, sağlık alanında yapay zeka uygulamalarının hem daha verimli hem de daha ekonomik hale gelmesini sağlayabilir.
Yapay Zeka Sağlık Verilerini Analiz Etmek İçin Yeni Yöntem Geliştirdi
Araştırmacılar, elektronik sağlık kayıtlarından bilgi çıkarmayı kolaylaştıran yeni bir yapay zeka sistemi geliştirdi. CBR-to-SQL adlı bu sistem, doktorların ve araştırmacıların SQL programlama bilgisi olmadan da hasta verilerini analiz edebilmelerine olanak tanıyor. Geleneksel yöntemlerin aksine, tıbbi terminolojideki tutarsızlıkları ve karmaşıklıkları daha iyi anlayabilen bu sistem, vaka tabanlı akıl yürütme yaklaşımını kullanıyor. Sistem, doğal dilde sorulan soruları otomatik olarak veritabanı sorgularına çevirerek, klinik karar verme süreçlerini hızlandırıyor ve tıbbi araştırmaları destekliyor.
Yapay Zeka Tıbbi Kayıtları Daha Doğru Analiz Edebiliyor
Araştırmacılar, hastane kayıtlarından yapılandırılmış bilgi çıkarmada yeni bir yöntem geliştirdi. 'Derin yansıtıcı akıl yürütme' adı verilen bu sistem, büyük dil modellerinin tıbbi metinleri işlerken karşılaştığı tutarsızlık sorununu çözüyor. Geleneksel sistemler, tıbbi veriler arasındaki karmaşık bağımlılıkları göz ardı ederek hatalı sonuçlar üretebiliyordu. Yeni yöntem, çıktılarını sürekli gözden geçirip düzelterek klinik açıdan tutarlı sonuçlar elde ediyor. Kolorektal kanser raporları üzerinde yapılan testlerde, sistem performansını önemli ölçüde artırdı. Bu gelişme, dijital sağlık alanında yapay zekanın güvenilirliğini artırarak, doktorların karar verme süreçlerini destekleyebilir.