- アイカーンマウントサイナイ医学部の研究者が、最近のNpj Digital Medicineの研究によると、医療システム規模での費用対効果の高い大規模言語モデルの展開の方法を特定した。
- LLMは臨床ワークフローの最適化に有望であるが、AIの採用に伴う計算と経済上のコストが、これらのツールを規模で利用しようとする医療機関にとって課題を提起している。
- 研究チームは、10種類の異なる容量とサイズのLLMを実際の患者データを使用して評価し、モデルのパフォーマンスを評価した。
- 結果は、精度、フォーマットの品質、臨床指示への遵守の観点から測定され、その後、経済分析が実施された。
- 研究チームは、LLMを300,000回以上実行し、性能は臨床ノートとクエリの数が増加するにつれて低下したことを明らかにした。
- 経済分析によると、これらのタスクをグループ化することで、医療システムはワークフローを合理化し、APIコストを最大17倍削減することができる可能性がある。
私の考え：LLMの導入における課題を明らかにし、コストを削減しながらパフォーマンスを維持する戦略を提案したこの研究は、医療機関がAI技術を効果的に統合し、患者ケアにリソースを集中させる手助けとなる可能性があると感じます。