Clinical Camel
โมเดลภาษาทางคลินิกแบบเปิดขนาด 70B
ขับเคลื่อนโดยแพลตฟอร์ม AI ทางการแพทย์ Dr7.ai
Clinical Camel เป็นโมเดลภาษาขนาดใหญ่ทางการแพทย์แบบเปิดจากนักวิจัยของ University of Toronto โดยปรับแต่ง LLaMA-2 70B ด้วย QLoRA และเทคนิคการเข้ารหัสความรู้แบบบทสนทนาที่แปลงบทความทางการแพทย์ที่มีเนื้อหาหนาแน่นให้เป็นข้อมูลฝึกในรูปแบบการสนทนา
ลองบทสนทนาทางการแพทย์สไตล์ Clinical Camel
ถามคำถามทางคลินิกด้วยภาษาสนทนาทั่วไป — เดโมนี้แสดงการให้เหตุผลทางการแพทย์แบบบทสนทนาที่ Clinical Camel ได้รับการฝึกมา
ลองโมเดลอื่น
ดูทั้งหมดClinical Camel เดโม
สัมผัส AI ทางการแพทย์ขั้นสูง
ปลดล็อกศักยภาพเต็มของ Clinical Camel
รับบทสนทนาทางคลินิกไม่จำกัด การสนทนาที่ยาวขึ้น และการเข้าถึง API สำหรับงานวิจัยและการศึกษา
Clinical Camel คืออะไร?
Clinical Camel เป็นโมเดลภาษาขนาดใหญ่ทางคลินิกแบบโอเพนซอร์สที่เปิดตัวในปี 2023 โดย Augustin Toma และคณะที่ University of Toronto (Toma et al., "Clinical Camel: An Open Expert-Level Medical Language Model with Dialogue-Based Knowledge Encoding") เป็นโมเดล LLaMA-2 70B ที่ปรับแต่งด้วย QLoRA
จุดเด่นเฉพาะตัวคือ Dialogue-Based Knowledge Encoding (DBKE): บทความทบทวนวรรณกรรมทางการแพทย์ถูกเขียนใหม่เป็นบทสนทนาหลายรอบ เพื่อให้โมเดลซึมซับความรู้ทางคลินิกในรูปแบบการสนทนาเดียวกับที่ผู้ใช้จะโต้ตอบในภายหลัง ชุดข้อมูลฝึกยังรวมถึงบทสนทนาจาก ShareGPT และคำถามสไตล์ MedQA
ณ วันที่เปิดตัว ผู้เขียนรายงานผลลัพธ์บนข้อสอบสไตล์ USMLE และเบนช์มาร์กการตอบคำถามทางการแพทย์มาตรฐานที่ทัดเทียมกับ GPT-3.5 และเหนือกว่าโมเดลทางการแพทย์แบบเปิดรุ่นก่อนหน้า เช่นเดียวกับ LLM เพื่อการวิจัยทั้งหมด โมเดลนี้อาจสร้างข้อมูลที่ไม่ถูกต้อง (hallucination) ได้ และผู้เขียนวางตำแหน่งไว้สำหรับการวิจัยและการศึกษา ไม่ใช่การใช้งานทางคลินิก
ความคืบหน้าล่าสุด
เปิดตัวในปี 2023 โดยนักวิจัยที่ University of Toronto (Toma et al.)
น้ำหนักโมเดลแบบเปิด (อยู่ภายใต้เงื่อนไขสัญญาอนุญาตของ LLaMA-2); 70B พารามิเตอร์; ปรับแต่งด้วย QLoRA
ฟีเจอร์หลัก
ความรู้ทางการแพทย์เชิงสนทนาในโมเดลแบบเปิด
ความสามารถหลัก
บทสนทนาและคำอธิบายทางคลินิกแบบหลายรอบ
ตอบคำถามสไตล์ USMLE และกรณีศึกษาทางคลินิก
Dialogue-Based Knowledge Encoding ของบทความทบทวนวรรณกรรมทางการแพทย์
สร้างบน LLaMA-2 70B ด้วยการปรับแต่ง QLoRA ที่ประหยัดพารามิเตอร์
น้ำหนักโมเดลแบบเปิดสำหรับการวิจัยและการศึกษา
ประสิทธิภาพโดดเด่นในกลุ่มโมเดลแบบเปิด ณ วันที่เปิดตัว
เหมาะสำหรับงานวิจัยด้านการให้ความรู้และการสื่อสารกับผู้ป่วย
สูตรการฝึกและคำอธิบายข้อมูลที่โปร่งใส
เบนช์มาร์กประสิทธิภาพ
คะแนนที่รายงานในเอกสาร Clinical Camel สำหรับโมเดล 70B (ไม่ได้วัดโดย Dr7.ai)
ข้อสอบตัวอย่าง USMLE
64.3%คำถามตัวอย่าง USMLE อย่างเป็นทางการ
PubMedQA
77.9%การตอบคำถามจากวรรณกรรมชีวการแพทย์
MedQA
60.7%คำถามปรนัยสไตล์ USMLE
MedMCQA
54.2%คำถามจากข้อสอบเข้าเรียนแพทย์ของอินเดีย
กรณีใช้งาน
การสื่อสารกับผู้ป่วย
ต้นแบบคำอธิบายแนวคิดทางการแพทย์ด้วยภาษาที่เข้าใจง่าย (โดยมีแพทย์ตรวจทาน)
การฝึกอบรมทางคลินิก
การอภิปรายกรณีศึกษาจำลองสำหรับผู้ฝึกหัด
การวิจัยการปรึกษาเสมือน
ศึกษาการคัดกรองเชิงสนทนาและการซักประวัติด้วยโมเดลแบบเปิด