机构名称：
¥ 1.0
精确肿瘤学的快速增长的领域通常致力于根据其临床表型和基因型来确定针对个体患者量身定制的个性化癌症治疗计划，其特征是分子分析[1]。实际上，确定这些治疗方法依赖于专家医学知识的独特组合，来自患者的整个临床和基因组病史的数据，以及在知识库，元知识基础和出版文献中记录的建议和最新发现。这最后一个组件是时间密集型，即使对于专家来说，也有很大的兴趣，即开发自动化的知识生成方法，目的是将文献变成（可行的）知识。最近的生成人工智能的激增引起了人们对高级大语模型（LLM）在生物医学上的应用，但是很少有组织拥有训练或调整这些模型的特定任务的资源。检索提示世代（RAG）[2]的技术可以代表一个中间立场，其中搁置的（开源或专有）LLM与Contextual 1相应的作者配对：Johns Hopkins University，Baltimore，Baltimore，MD，MD，United States，United States，美国MD；电子邮件：kkreime1@jhu.edu。
使用检索效果生成来捕获精确肿瘤的分子驱动的治疗关系
主要关键词
相关文件推荐
