227 पेपर
यह अध्ययन प्रदर्शित करता है कि जब सावधानीपूर्वक प्रॉम्प्ट दिया जाता है, तो ChatGPT-4.0 ओपिओइड एडिक्शन उपचार पर केंद्रित NIH अनुदान सारांशों के भीतर नवाचारों के उच्च गुणवत्ता वाले, विस्तृत और पूर्ण विवरण उत्पन्न करने में मानव कोडर्स से बेहतर प्रदर्शन करता है।
यह शोध पत्र Sino-US-DrugQA को प्रस्तुत करता है, जो अमेरिकी और चीनी फार्मास्युटिकल नियमों से व्युत्पन्न 11,871 प्रश्नों का एक द्विभाषी बेंचमार्क डेटासेट है, जो यह प्रकट करता है कि जबकि वर्तमान बड़े भाषा मॉडल (large language models) एकभाषी नियामक प्रश्नों पर अच्छा प्रदर्शन करते हैं, उन्हें क्रॉस-क्षेत्राधिकार तुलनात्मक तर्क में महत्वपूर्ण चुनौतियों का सामना करना पड़ता है, जिसके लिए उच्च-जोखिम वाले अनुपालन अनुप्रयोगों हेतु विशेषज्ञ निरीक्षण की आवश्यकता होती है।
ASPREE परीक्षण डेटा का उपयोग करने वाले एक अध्ययन में, रैंडम सर्वाइवल फॉरेस्ट्स (RSF) ने विकलांगता-मुक्त दीर्घायु की भविष्यवाणी करने के लिए मानक रैंडम फॉरेस्ट्स (RF) के समान भेदभाव और अंशांकन (कैलिब्रेशन) प्रदर्शित किया, जो यह सुझाव देता है कि RSF हमेशा समय-से-घटना (टाइम-टू-इवेंट) परिणामों के लिए RF की तुलना में बेहतर भविष्य कहने वाली सटीकता प्रदान नहीं करता है।
यह अध्ययन प्रदर्शित करता है कि एक मानकीकृत प्रॉम्प्ट-आधारित ढांचा 4,018 NHANES रोगियों के बायोमार्कर का विश्लेषण करते समय चार स्वतंत्र विक्रेताओं के पांच बड़े भाषा मॉडलों में नैदानिक-ग्रेड की सटीकता प्राप्त करता है, जो नैदानिक निर्णय सहायता के लिए विक्रेता-स्वतंत्र एआई प्रणालियों की व्यवहार्यता की पुष्टि करता है।
यह शोध पत्र एक कम्प्यूटेशनल पाइपलाइन प्रस्तुत करता है जो दुर्लभ रोग निदान की सटीकता और नैदानिक निरंतरता में सुधार करने के लिए रोगी फेनोटाइप के असममित अर्थपूर्ण एकत्रीकरण (asymmetric semantic aggregation) को नेटवर्क प्रसार (network propagation) के साथ जोड़ता है, जो सही निदानों की पहचान करने और सुसंगत विभेदक परिकल्पनाएं (differential hypotheses) उत्पन्न करने में मौजूदा विधियों से बेहतर प्रदर्शन करता है।
यह अध्ययन एक विजन फाउंडेशन मॉडल पर आधारित एक डीप लर्निंग फ्रेमवर्क प्रस्तुत करता है जो न केवल फंडस छवियों से रेटिनल जैविक आयु की सटीक भविष्यवाणी करता है, बल्कि उम्र बढ़ने के संकेतों को सूजन और हेमोडायनामिक्स जैसे प्रणालीगत स्वास्थ्य कारकों से जुड़े सामान्य और रोग संबंधी घटकों में विभाजित करके शारीरिक विषमता को भी अलग करता है।
शोधकर्ताओं ने आनुवंशिक, जीवनशैली और जैव रासायनिक डेटा का उपयोग करके एक मशीन लर्निंग-आधारित न्यूरोलॉजिकल हेल्थ स्कोर (NHS) विकसित और मान्य किया है, जो यह प्रदर्शित करता है कि उच्च स्कोर विभिन्न तंत्रिका संबंधी विकारों के जोखिम में कमी और बेहतर सामाजिक कल्याण के साथ महत्वपूर्ण रूप से सह-संबंधित है।
यह अध्ययन अनुसंधान वैधता में सुधार के लिए साक्ष्य-आधारित सिफारिशें प्रदान करने हेतु अन्नप्रणाली के कैंसर के रोगी-रिपोर्ट किए गए परिणामों (पेशेंट-रिपोर्टेड आउटकम्स) में लुप्त डेटा को संभालने के लिए विभिन्न सांख्यिकीय और मशीन लर्निंग इम्प्यूटेशन विधियों का मूल्यांकन और तुलना करता है।
यह अध्ययन लार्ज लैंग्वेज मॉडल्स में अमूर्त नैतिक तर्क और नैदानिक स्मृति के बीच एक महत्वपूर्ण अलगाव को प्रकट करता है, जिसमें यह पाया गया है कि जहाँ अधिकांश मॉडल हानिकारक आदेशों का प्रतिरोध कर सकते हैं, वहीं बहुत कम ही आईसीयू सिमुलेशन के दौरान एलर्जी जैसी रोगी-विशिष्ट निषेधों (contraindications) को सफलतापूर्वक याद रख पाते हैं।
यह अध्ययन एक रोगी-केंद्रित मार्कोव-चेन ढांचे को प्रस्तुत करता है जो दवा के पालन (मेडिकेशन एडहेरेंस) के जोखिमों की भविष्यवाणी करने के लिए आठ वर्षों के वि-पहचानीकृत (डी-आइडेंटिफाइड) स्पेशलिटी फार्मेसी डेटा का उपयोग करता है, जो अधिक न्यायसंगत रोगी-सहायता रणनीतियों का समर्थन करने के लिए लागत और प्रशासनिक देरी जैसे प्रणालीगत बाधाओं को गैर-पालन के प्राथमिक चालक के रूप में पहचानता है।