Didaktisches Wissen oder klinische Fälle? Wie Datenarten medizinische Large Language Models formen
· Quelle: arXiv cs.AI
Die in der Medizin eingesetzten großen Sprachmodelle (LLM) werden üblicherweise mit einer Mischung aus didaktischen Daten – etwa Lehrbüchern – und klinischen Daten – wie Patientenakten – trainiert. Die genaue Wirkung der einzelnen Datenarten auf die Modellleistung war bislang unklar. In einer aktuellen Studie führten die Forscher kontrollierte Experimente durch, bei denen sie das Verhältnis von didaktischen zu klinischen Daten veränderten, während die Gesamtzahl der Tokens konstant blieb. So konnten sie beobachten, wie sich die Leistung bei theoretisch orientierten Aufgaben im Vergleich zu klinisch orientierten Aufgaben veränderte. Die Ergebnisse zeigten eine asymmetrische Übertragbarkeit: Die Einbindung klinischer Daten verbesserte die Leistung bei praxisbezogenen Aufgaben deutlich, ohne die Fähigkeit, reine Wissensfragen zu beantworten, zu beeinträchtigen. Umgekehrt stärkte die didaktische Datenbasis vor allem wissensintensive Aufgaben. Eine Fehleranalyse offenbarte eine Kluft zwischen Wissen und Anwendung, was darauf hinweist, dass ein höheres Erinnerungsvermögen nicht zwangsläufig zu besserem klinischem Denken führt. Zudem zeigte sich, dass bereits geringe Mengen klinischer Daten die meisten Vorteile für Aufgaben mit elektronischen Gesundheitsakten bringen; die optimale Verteilung hängt jedoch von den spezifischen Anforderungen der Anwendung ab. Diese Erkenntnisse legen nahe, dass die Datenauswahl für medizinische LLMs sich nach dem vorgesehenen Einsatz richten sollte, wobei klinische Informationen Vorrang haben, wenn fortgeschrittenes klinisches Denken angestrebt wird. Dadurch kann eine zielgerichtete Datenkuratierung zu sichereren und effektiveren KI‑Tools für Gesundheitsfachkräfte führen.
Originalartikel lesen auf arXiv cs.AI
Diese Zusammenfassung ist eine informationelle Synthese von dataqbs.com. Alle Rechte am Originalinhalt liegen beim Autor und dem genannten Medienunternehmen. Wir handeln ausschließlich als Kuratoren von Technologie-Nachrichten und beanspruchen keine Urheberschaft.