Clinical Camel
Modello linguistico clinico aperto da 70B
Basato sulla piattaforma di AI medica Dr7.ai
Clinical Camel è un modello linguistico di grandi dimensioni aperto per la medicina, sviluppato da ricercatori dell'Università di Toronto. Esegue il fine-tuning di LLaMA-2 70B con QLoRA e con una tecnica di codifica della conoscenza basata sul dialogo che trasforma articoli medici densi in dati di addestramento conversazionali.
Prova il dialogo medico in stile Clinical Camel
Poni domande cliniche in una conversazione naturale: la demo mostra il ragionamento medico in forma di dialogo per cui Clinical Camel è stato addestrato.
Prova altri modelli
Vedi tuttiClinical Camel Demo
Prova l'AI medica avanzata
Sblocca il pieno potenziale di Clinical Camel
Ottieni dialogo clinico illimitato, conversazioni più lunghe e accesso API per flussi di lavoro di ricerca e formazione.
Che cos'è Clinical Camel?
Clinical Camel è un modello linguistico clinico di grandi dimensioni open source rilasciato nel 2023 da Augustin Toma e colleghi dell'Università di Toronto (Toma et al., "Clinical Camel: An Open Expert-Level Medical Language Model with Dialogue-Based Knowledge Encoding"). Si tratta di un modello LLaMA-2 70B sottoposto a fine-tuning con QLoRA.
Il suo elemento distintivo è la Dialogue-Based Knowledge Encoding (DBKE): gli articoli di revisione medica vengono riscritti come conversazioni multi-turno, così il modello assimila la conoscenza clinica nella stessa forma conversazionale con cui gli utenti interagiranno. Il mix di addestramento include anche dialoghi ShareGPT e domande in stile MedQA.
Al momento del rilascio, gli autori hanno riportato risultati su esami in stile USMLE e benchmark standard di QA medico competitivi con GPT-3.5 e superiori ai precedenti modelli medici aperti. Come tutti gli LLM di ricerca può produrre allucinazioni, e gli autori lo destinano alla ricerca e alla formazione, non all'impiego clinico.
Ultimi sviluppi
Rilasciato nel 2023 da ricercatori dell'Università di Toronto (Toma et al.)
Pesi aperti (si applicano i termini di licenza di LLaMA-2); 70B parametri; fine-tuning con QLoRA
Caratteristiche principali
Conoscenza medica conversazionale in un modello aperto
Capacità principali
Dialogo clinico multi-turno e spiegazioni
Risposta a domande in stile USMLE e a casi clinici
Dialogue-Based Knowledge Encoding di articoli di revisione medica
Basato su LLaMA-2 70B con fine-tuning QLoRA a uso efficiente dei parametri
Pesi aperti per uso di ricerca e didattico
Ottime prestazioni tra i modelli aperti al momento del rilascio
Adatto alla ricerca su educazione e comunicazione con i pazienti
Procedura di addestramento e descrizione dei dati trasparenti
Benchmark di prestazione
Punteggi riportati nell'articolo su Clinical Camel per il modello 70B (non misurati da Dr7.ai)
Esame di esempio USMLE
64.3%Domande di esempio ufficiali dell'USMLE
PubMedQA
77.9%Question answering sulla letteratura biomedica
MedQA
60.7%Domande a scelta multipla in stile USMLE
MedMCQA
54.2%Domande dell'esame di ammissione a medicina indiano
Casi d'Uso
Comunicazione con il paziente
Prototipi di spiegazioni in linguaggio semplice di concetti medici (con revisione del clinico).
Formazione clinica
Discussioni di casi simulate per specializzandi.
Ricerca sulla consulenza virtuale
Studia il triage conversazionale e la raccolta dell'anamnesi con un modello aperto.