ترجمه فارسی مقاله به سوی پیش‌بینی کل نگر خطر بیماری با استفاده از مدل‌های زبان کوچک

چکیده

Data in the healthcare domain arise from a variety of sources and modalities, such as x-ray images, continuous measurements, and clinical notes. Medical practitioners integrate these diverse data types daily to make informed and accurate decisions. With recent advancements in language models capable of handling multimodal data, it is a logical progression to apply these models to the healthcare sector. In this work, we introduce a framework that connects small language models to multiple data sources, aiming to predict the risk of various diseases simultaneously. Our experiments encompass 12 different tasks within a multitask learning setup. Although our approach does not surpass state-of-the-art methods specialized for single tasks, it demonstrates competitive performance and underscores the potential of small language models for multimodal reasoning in healthcare.

چکیده به فارسی (ترجمه ماشینی)

داده ها در حوزه مراقبت های بهداشتی از منابع و روشهای مختلفی مانند تصاویر اشعه ایکس ، اندازه گیری مداوم و یادداشت های بالینی ناشی می شود.پزشکان پزشکی روزانه این انواع داده های متنوع را برای تصمیم گیری آگاهانه و دقیق ادغام می کنند.با پیشرفت های اخیر در مدل های زبانی که قادر به دستیابی به داده های چند حالته هستند ، این یک پیشرفت منطقی برای استفاده از این مدل ها در بخش مراقبت های بهداشتی است.در این کار ، ما چارچوبی را معرفی می کنیم که مدل های زبان کوچک را به چندین منبع داده متصل می کند ، با هدف پیش بینی خطر ابتلا به بیماری های مختلف به طور همزمان.آزمایشات ما شامل 12 کار مختلف در یک مجموعه یادگیری چند وظیفه ای است.اگرچه رویکرد ما از روشهای پیشرفته و متخصص برای کارهای واحد پیشی نمی گیرد ، اما عملکرد رقابتی را نشان می دهد و پتانسیل مدل های زبان کوچک را برای استدلال چندمودال در مراقبت های بهداشتی تأکید می کند.