基于Transformer构建的大型语言模型（LLM），包括ChatGPT和GPT-4，展示了惊人的自然语言处理能力。Transformer-based NLP模型的创建引发了在计算机视觉和其他模态中设计和使用基于Transformer的模型的进展。自2022年11月以来，受到ChatGPT多样化特性和广泛赞誉的启发，LLM已经在临床研究、药学、放射学、阿尔茨海默病、农业和脑科学研究中得到应用，然而，它们在专业领域如医疗保健中的应用尚未广泛采用。首先，由于隐私法律的限制，医院无法将数据交换或上传到商业模型如ChatGPT或GPT-4，因此，本地化的大型语言模型对于现实世界的医疗保健至关重要。
需要在临床上有意义的领域数据上得到充分训练的模型，因为在特定领域如放射学这样的领域中，经过ChatGPT、GPT-4和PaLM 2等广域领域训练的LLM需要更多的医学专业知识。此外，虽然像ChatGPT这样的模型的Radiology-Llama2能够准确模仿放射学家的语言模式，但它们提供的回复更像维基百科，而不是实际放射学家使用的清晰简明的语言，这加快了信息传递的速度。最后，他们的研究为根据每位医生的偏好定制放射学助手铺平了道路。
通过指令调整来为放射学提供放射学印象的Radiology-Llama2 LLM填补了文献中的这一空白。研究表明，它在生成的印象的连贯性、简洁性和临床实用性方面优于标准LLM。
• 最先进的性能：在MIMIC-CXR和OpenI数据集上，超过所有其他语言模型以生成临床印象，创立了新的标准。
• 灵活性和动态性：与基于BERT的竞争对手不同，放射学-Llama2不受特定输入结构的限制，可以适应更广泛的输入和各种放射学任务，包括复杂的推理。
• 具有对话能力的临床可用性：生成式LLM具有内置的对话能力，可以回应查询并提供类似人类的上下文信息。这提高了诊断和报告的能力，使Radiology-Llama2对医学从业者在临床背景下非常有帮助。
当适当构建时，本地化的LLM可以革命性地改变放射学，就像Radiology-Llama2所展示的那样。
如果受到适当的监管，它对于临床决策辅助和其他用途具有很大的潜力。这项研究的结果为其他医学专业领域中的专门LLM打开了大门。总之，Radiology-Llama2是在医学中使用LLM的重要进展。这样的专门LLM可以通过对模型构建和评估的持续研究促进医疗人工智能的进步。