文摘:大型语言模型作为健康数据接口的应用程序

大型语言模型(llm)可以解决各种各样的问题,没有监督和有潜力日益复杂的认知任务自动化。然而,llm还有基本的限制,例如,生成的输出可以包含有害的偏见和幻觉可以微妙但重要的,特别是在高风险领域。llm如何被使用,而不是自动化决策,但让专家作出更明智的决定吗?

在这个演讲中,阿米尔将提出争取llm作为数据接口提取关键信息和检索大量非结构化数据的证据。阿米尔将首先讨论一些框架权衡的信息提取和检索任务条件语言生成。还:关注健康应用程序和现在三个用例llm的数据接口:
——从社会媒体和检索提取医学主张值得信赖的证据支持或反驳说声称——这可以帮助社会媒体内容版主打击医疗管理信息系统——和虚假信息,和公共卫生专家监控不同人群的需求和关切。
——提取关键的医学概念和不同干预措施的有效性的证据从抽象描述随机对照试验通知循证医学从业者。
——获取证据的临床病人的电子健康记录的笔记来帮助医生确定一个潜在的诊断或识别替代诊断基于证据。

传记

西尔维奥•阿米尔是一个核心教员在EAI和科计算机科学学院的助理教授。他的研究自然语言处理和机器学习方法对个人发展和用户生成的文本,如社会媒体和临床电子健康记录。阿米尔的方法主要是感兴趣的任务涉及主观、个人化或用户级推论(例如,意见挖掘和数字表现型)。特别是,他的工作旨在提高可靠性、可解释性和公平的预测模型和分析来自个人和用户生成的数据。他的研究是开发以人为中心的人工智能(即持续努力。授权,而不是取代人类)和AI(即社会好。解决有意义的社会,社会和人道主义挑战)。为了实现这些目标,他经常与领域专家在多学科项目来解决现实问题的社会科学,医学和流行病学。

阿米尔从里斯本大学获得博士学位,进行他的博士研究的一部分作为访问德州大学奥斯丁分校的研究员,在波士顿东北大学。raybet雷竞技雷竞技app最新版然后他搬到约翰霍普金斯大学,他完成了他的博士后研究中心的语言和语音处理和粉刷工程学院担任讲师。