CareLit Fachartikel

Improving the use of LLMs in radiology through prompt engineering: from precision prompts to zero-shot learning

Maximilian Frederik Russe, Marco Reisert, Fabian Bamberg, Alexander Rau · RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren · 2024 · Heft 11 · S. 1166-1170

Dokument
923355
CareLit-ID
Jahr
2024
Publikation
PDF
nein
Metadaten
DOI
ja
zitierfähig

Bibliografische Angaben

Zeitschrift
RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren
Autor:innen
Maximilian Frederik Russe, Marco Reisert, Fabian Bamberg, Alexander Rau
Ausgabe
Heft 11 / 2024
Jahrgang 196
Seiten
1166-1170
Erschienen: 2024-11-01 00:00:00
ISSN
1438-9029

Zusammenfassung

Zusammenfassung Ziel Große Sprachmodelle (engl. LLMs) wie ChatGPT haben ein erhebliches Potenzial in der Radiologie gezeigt. Ihre Effektivität hängt oft vom sog. Prompt-Engineering ab, das die Interaktion mit der künstlichen Intelligenz für genaue Ergebnisse optimiert. Hier wird die kritische Rolle des Prompt-Engineerings bei der Anpassung der Antworten der LLMs an spezifische medizinische Aufgaben hervorgehoben. Material und Methoden Anhand eines klinischen Falles erläutern wir verschiedene Prompting-Strategien zur Anpassung des LLM ChatGPT mit GPT4 an neue Aufgaben ohne zusätzliches Training des Basismodells.…

Schlagworte

radiology artificial Intelligence natural Language Processing RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Ver…