ترجمه فارسی مقاله MALADE: هماهنگسازی عوامل مبتنی بر LLM با بازیابی نسل افزوده برای مراقبتهای دارویی
| عنوان مقاله به انگلیسی | MALADE: Orchestration of LLM-powered Agents with Retrieval Augmented Generation for Pharmacovigilance |
| عنوان مقاله به فارسی | MALADE: هماهنگسازی عوامل مبتنی بر LLM با بازیابی نسل افزوده برای مراقبتهای دارویی |
| نویسندگان | Jihye Choi, Nils Palumbo, Prasad Chalasani, Matthew M. Engelhard, Somesh Jha, Anivarya Kumar, David Page |
| فرمت مقاله انگلیسی | |
| تعداد صفحات | 49 |
| دسته بندی موضوعات | Computation and Language,Artificial Intelligence,Information Retrieval,Machine Learning,Multiagent Systems,Quantitative Methods,محاسبه و زبان , هوش مصنوعی , بازیابی اطلاعات , یادگیری ماشین , سیستم های چند منظوره , روش های کمی |
| توضیحات | Submitted 3 August, 2024; originally announced August 2024. , Comments: Paper published at Machine Learning for Healthcare 2024 (MLHC'24) |
| توضیحات به فارسی | ارسال شده در 3 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد. ، نظرات: مقاله منتشر شده در Machine Learning for Healthcare 2024 (MLHC'24) |
قیمت: 19,000 تومان
دانلود مقاله اصل انگلیسی + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله
با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، یک خلاصه دو صفحهای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.
قیمت: 99,000 تومان
سفارش + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله
با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی و ترجمه کامل آن، یک خلاصه دو صفحهای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.
قیمت: 1,960,000 تومان
زمان تحویل: 2 تا 3 روز کاری
📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
-
کتاب صدها نکته فارسی (خودمونی) – نسخه PDF — زبان ساده و کاربردی
مشاهده نمونه نسخه نکات ساده -
کتاب صدها نکته رسمی فارسی – نسخه PDF — نگارش استاندارد و علمی
مشاهده نمونه نسخه نکات رسمی -
کتاب صدها پرسش و پاسخ تشریحی – نسخه PDF
— هر سؤال همراه با پاسخ کامل برای درک عمیق مفاهیم
مشاهده نمونه نسخه پرسش و پاسخ -
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع -
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
- این محصول به صورت فایل دانلودی کامل ارائه میشود.
- توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
- دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
- برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
- اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی:
واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248
تلگرام: @ma_limbs
چکیده
In the era of Large Language Models (LLMs), given their remarkable text understanding and generation abilities, there is an unprecedented opportunity to develop new, LLM-based methods for trustworthy medical knowledge synthesis, extraction and summarization. This paper focuses on the problem of Pharmacovigilance (PhV), where the significance and challenges lie in identifying Adverse Drug Events (ADEs) from diverse text sources, such as medical literature, clinical notes, and drug labels. Unfortunately, this task is hindered by factors including variations in the terminologies of drugs and outcomes, and ADE descriptions often being buried in large amounts of narrative text. We present MALADE, the first effective collaborative multi-agent system powered by LLM with Retrieval Augmented Generation for ADE extraction from drug label data. This technique involves augmenting a query to an LLM with relevant information extracted from text resources, and instructing the LLM to compose a response consistent with the augmented data. MALADE is a general LLM-agnostic architecture, and its unique capabilities are: (1) leveraging a variety of external sources, such as medical literature, drug labels, and FDA tools (e.g., OpenFDA drug information API), (2) extracting drug-outcome association in a structured format along with the strength of the association, and (3) providing explanations for established associations. Instantiated with GPT-4 Turbo or GPT-4o, and FDA drug label data, MALADE demonstrates its efficacy with an Area Under ROC Curve of 0.90 against the OMOP Ground Truth table of ADEs. Our implementation leverages the Langroid multi-agent LLM framework and can be found at https://github.com/jihyechoi77/malade.
چکیده به فارسی (ترجمه ماشینی)
در دوره مدل های بزرگ زبان (LLM) ، با توجه به درک قابل توجه متن و توانایی های تولید آنها ، فرصتی بی سابقه برای توسعه روشهای جدید و مبتنی بر LLM برای سنتز دانش پزشکی قابل اعتماد ، استخراج و خلاصه وجود دارد.در این مقاله به مسئله داروسازی (PHV) می پردازیم ، جایی که اهمیت و چالش ها در شناسایی عوارض جانبی دارویی (ADE) از منابع متنی متنوع ، مانند ادبیات پزشکی ، نت های بالینی و برچسب های دارویی نهفته است.متأسفانه ، این کار توسط عواملی از جمله تغییرات در اصطلاحات داروها و نتایج مانع شده است ، و توصیفات ADE اغلب در مقادیر زیادی از متن روایی دفن می شود.ما Malade را ارائه می دهیم ، اولین سیستم مؤثر چند عامل مؤثر که توسط LLM با تولید تقویت شده بازیابی برای استخراج ADE از داده های برچسب دارویی استفاده می شود.این تکنیک شامل افزایش پرس و جو به LLM با اطلاعات مربوطه استخراج شده از منابع متنی و آموزش LLM برای ایجاد پاسخی مطابق با داده های افزوده است.Malade یک معماری عمومی LLM-AGNOSTIC است و قابلیت های منحصر به فرد آن عبارتند از: (1) استفاده از انواع منابع خارجی ، مانند ادبیات پزشکی ، برچسب های دارویی و ابزارهای FDA (به عنوان مثال ، API اطلاعات مربوط به مواد مخدر OpenFDA) ، (2) استخراج دارو-ارتباط در یک قالب ساختاری به همراه قدرت انجمن ، و (3) ارائه توضیحات برای انجمن های تأسیس.با استفاده از داده های برچسب داروی GPT-4 Turbo یا GPT-4O و FDA ، Malade اثربخشی خود را با منطقه ای تحت منحنی ROC 0.90 در برابر جدول حقیقت زمین OMOP از ADE نشان می دهد.اجرای ما از چارچوب LLM Langroid Multi-Agent LLM استفاده می کند و می توانید در https://github.com/jihyechoi77/malade پیدا کنید.📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
-
کتاب صدها نکته فارسی (خودمونی) – نسخه PDF — زبان ساده و کاربردی
مشاهده نمونه نسخه نکات ساده -
کتاب صدها نکته رسمی فارسی – نسخه PDF — نگارش استاندارد و علمی
مشاهده نمونه نسخه نکات رسمی -
کتاب صدها پرسش و پاسخ تشریحی – نسخه PDF
— هر سؤال همراه با پاسخ کامل برای درک عمیق مفاهیم
مشاهده نمونه نسخه پرسش و پاسخ -
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع -
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
- این محصول به صورت فایل دانلودی کامل ارائه میشود.
- توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
- دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
- برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
- اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی:
واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248
تلگرام: @ma_limbs
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.