Essais sur une RAG pour améliorer les grands modèles de langages en radiologie

Les grands modèles de langage (LLM) utilisant une architecture basée sur le machine learning peuvent apprendre, synthétiser et extraire des informations en langage naturel dans plusieurs domaines, dont la radiologie diagnostique. Ces modèles affichent des performances impressionnantes pour diverses tâches, telles que répondre à des questions, modifier des comptes rendus de radiologie et même générer des impressions de compte rendu.

La RAG pour renforcer les attributs des grands modèles de langage appliqués à la radiologie

Mais ces modèles sont susceptibles de créer des hallucinations, génèrent des contraintes en termes de ressources informatiques et économiques et sont d’autre part peu sûrs quant à la confidentialité des données patients, ce qui limite actuellement leur intégration généralisée dans les flux de travail cliniques.