Clinical Camel
Modèle de langage clinique ouvert de 70B
Propulsé par la plateforme d'IA médicale Dr7.ai
Clinical Camel est un grand modèle de langage médical ouvert développé par des chercheurs de l'Université de Toronto. Il affine LLaMA-2 70B avec QLoRA et une technique d'encodage des connaissances par le dialogue qui transforme des articles médicaux denses en données d'entraînement conversationnelles.
Essayez le dialogue médical à la manière de Clinical Camel
Posez des questions cliniques dans une conversation naturelle — la démo illustre le raisonnement médical par dialogue pour lequel Clinical Camel a été entraîné.
Essayer d'autres modèles
Voir toutClinical Camel Démo
Découvrez une IA médicale avancée
Débloquez tout le potentiel de Clinical Camel
Bénéficiez de dialogues cliniques illimités, de conversations plus longues et d'un accès API pour vos travaux de recherche et d'enseignement.
Qu'est-ce que Clinical Camel ?
Clinical Camel est un grand modèle de langage clinique open source publié en 2023 par Augustin Toma et ses collègues de l'Université de Toronto (Toma et al., "Clinical Camel: An Open Expert-Level Medical Language Model with Dialogue-Based Knowledge Encoding"). Il s'agit d'un modèle LLaMA-2 70B affiné avec QLoRA.
Sa particularité est le Dialogue-Based Knowledge Encoding (DBKE) : des articles de synthèse médicaux sont réécrits sous forme de conversations à plusieurs tours, afin que le modèle assimile les connaissances cliniques sous la même forme conversationnelle que celle utilisée ensuite par les utilisateurs. Les données d'entraînement incluent aussi des dialogues ShareGPT et des questions de type MedQA.
Lors de sa publication, les auteurs ont fait état, sur des examens de type USMLE et des benchmarks standard de QA médicale, de résultats compétitifs par rapport à GPT-3.5 et supérieurs à ceux des modèles médicaux ouverts antérieurs. Comme tout LLM de recherche, il peut halluciner, et les auteurs le destinent à la recherche et à l'enseignement plutôt qu'au déploiement clinique.
Dernière évolution
Publié en 2023 par des chercheurs de l'Université de Toronto (Toma et al.)
Poids ouverts (conditions de licence LLaMA-2 applicables) ; 70B paramètres ; affinage QLoRA
Fonctionnalités clés
Des connaissances médicales conversationnelles dans un modèle ouvert
Capacités principales
Dialogue clinique et explications sur plusieurs tours
Réponses aux questions de type USMLE et aux vignettes cliniques
Dialogue-Based Knowledge Encoding d'articles de synthèse médicaux
Basé sur LLaMA-2 70B avec un affinage QLoRA économe en paramètres
Poids ouverts pour la recherche et l'enseignement
Solides performances parmi les modèles ouverts lors de sa publication
Adapté à la recherche sur l'éducation des patients et la communication avec eux
Recette d'entraînement et description des données transparentes
Benchmarks de performance
Scores rapportés dans l'article Clinical Camel pour le modèle 70B (non mesurés par Dr7.ai)
Examen type USMLE
64.3%Exemples officiels de questions de l'USMLE
PubMedQA
77.9%Questions-réponses sur la littérature biomédicale
MedQA
60.7%Questions à choix multiples de type USMLE
MedMCQA
54.2%Questions d'examens d'entrée en médecine en Inde
Cas d'Utilisation
Communication avec les patients
Prototyper des explications de concepts médicaux en langage simple (avec relecture par un clinicien).
Formation clinique
Discussions de cas simulées pour les internes et étudiants.
Recherche sur la consultation virtuelle
Étudier le triage conversationnel et le recueil de l'anamnèse avec un modèle ouvert.