دوره 12، شماره 2 - ( تابستان 1404 )
جلد 12 شماره 2 صفحات 224-215 |
برگشت به فهرست نسخه ها
Research code: --
Ethics code: ---
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Deylami M, Raad H, Zarei T, Sayadinia M, Razavi B B M, Mehrpour S et al . Stroke GPT: a spoken artificial intelligence for the evidence review of stroke prevention and acute care. DSME 2025; 12 (2) :215-224
URL: http://dsme.hums.ac.ir/article-1-484-fa.html
URL: http://dsme.hums.ac.ir/article-1-484-fa.html
دیلمی منصور، راد هانیه، زارعی طیبه، صیادی نیا مهرداد، رضوی بی بی منا، مهرپور سمیه و همکاران.. هوش مصنوعی سخنگو برای مرور شواهد پیشگیری و مراقبت های حاد سکته مغزی. راهبردهای توسعه در آموزش پزشکی. 1404; 12 (2) :215-224
دانشیار گروه طب اورژانس، دانشکده پزشکی، دانشگاه علوم پزشکی زاهدان، زاهدان، ایران.
چکیده: (2035 مشاهده)
هدف: این مطالعه به‌کارگیری مدل‌های هوش مصنوعی زبانی بزرگ را با هدف ایجاد یک رابط کاربرپسند برای بررسی شواهد معتبر در زمینه پیشگیری و مراقبت از سکته مغزی دنبال کرد.
منابع اطلاعات یا داده ها: مرور حاضر بین سال‌های ۲۰۱۰ تا ۲۰۲۴ صورت گرفت که تمرکز آن بر روی مرورهای عمومی از پایگاه‌های داده‌ای مانند PubMed و Cochrane Library بود. مقالات جمع‌آوری‌شده به منظور طراحی یک ربات چت بر اساس مدل meta-llama/Meta-Llama استفاده شدند. برای تضمین دقت و ارتباط بهتر پاسخ‌ها، مراحل پیش پردازش خاصی انجام شد. تنها راهنماها و مطالعات مروری چتری که خود مبتنی بر مرور سیستماتیک بودند در این پایگاه داده وارد شدند.
روش هـای انتخـابی برای مطالعـه: این مدل، که به‌صورت تعبیه شده در یک وب‌سایت در دسترس قرار گرفته، از داده‌های بیش از ۱۰۰۰ مطالعه خلاصه‌شده در ۲۲۸ مرور سیستماتیک استفاده می‌کند و اطلاعات بیش از ۱ میلیون بیمار را در بر می‌گیرد. هدف این ربات چت ارائه پاسخ‌هایی مبتنی بر شواهد به پرسش‌ها است و توانایی آن در حفظ تمرکز بر روی داده‌های آموزشی، بدون انحراف به موضوعات نامرتبط، جالب توجه است.
نتیجه گیری: نتایج این مطالعه نشان می‌دهد که این مدل می‌تواند پاسخ‌های مفصل‌تری نسبت به رابط‌های استاندارد مانند ChatGPT ارائه دهد. البته، این مدل فعلاً محدود به زبان انگلیسی است.
منابع اطلاعات یا داده ها: مرور حاضر بین سال‌های ۲۰۱۰ تا ۲۰۲۴ صورت گرفت که تمرکز آن بر روی مرورهای عمومی از پایگاه‌های داده‌ای مانند PubMed و Cochrane Library بود. مقالات جمع‌آوری‌شده به منظور طراحی یک ربات چت بر اساس مدل meta-llama/Meta-Llama استفاده شدند. برای تضمین دقت و ارتباط بهتر پاسخ‌ها، مراحل پیش پردازش خاصی انجام شد. تنها راهنماها و مطالعات مروری چتری که خود مبتنی بر مرور سیستماتیک بودند در این پایگاه داده وارد شدند.
روش هـای انتخـابی برای مطالعـه: این مدل، که به‌صورت تعبیه شده در یک وب‌سایت در دسترس قرار گرفته، از داده‌های بیش از ۱۰۰۰ مطالعه خلاصه‌شده در ۲۲۸ مرور سیستماتیک استفاده می‌کند و اطلاعات بیش از ۱ میلیون بیمار را در بر می‌گیرد. هدف این ربات چت ارائه پاسخ‌هایی مبتنی بر شواهد به پرسش‌ها است و توانایی آن در حفظ تمرکز بر روی داده‌های آموزشی، بدون انحراف به موضوعات نامرتبط، جالب توجه است.
نتیجه گیری: نتایج این مطالعه نشان می‌دهد که این مدل می‌تواند پاسخ‌های مفصل‌تری نسبت به رابط‌های استاندارد مانند ChatGPT ارائه دهد. البته، این مدل فعلاً محدود به زبان انگلیسی است.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
کلیه حقوق این وب سایت متعلق به راهبردهای توسعه در آموزش پزشکی می باشد.
طراحی و برنامه نویسی : یکتاوب افزار شرق
© 2025 CC BY-NC 4.0 | Development Strategies in Medical Education
Designed & Developed by : Yektaweb
