GPT i Lokal Miljö : Ett webbläsartillägg för analys av medicinska journaler

Sammanfattning

Med tanke på den ökande digitaliseringen och populariteten för stora språkmodeller (LLM) som ChatGPT, undersöker denna studie utvecklingen och implementeringen av ett webbläsartillägg för att analysera medicinska journaler från 1177 Vårdguiden. Syftet med studien är att förbättra hanteringen av medicinska journaler genom att integrera en lokal instans av en avancerad språkmodell, vilket möjliggör säker och privat bearbetning av patientdata. Projektet fokuserade på att utvärdera tillgängliga språkmodeller, utveckla webbläsartillägget och utföra prestandamätningar. Utmaningar inkluderade modellens förmåga att generera korrekta diagnoser och sammanfattningar samt tekniska begränsningar i systemets prestanda. Den valda modellen, GPT-SW3-356M-Struct, visade sig vara kapabel nog för uppgiften, även om det fanns vissa begränsningar i noggrannheten och detaljrikedomen i de genererade svaren. Studien visade att lokal bearbetning av medicinska data med hjälp av en LLM förbättrar dataskyddet och användarnas förtroende. Dock krävs ytterligare arbete för att förbättra modellens prestanda och användarvänlighet. Framtida forskning bör fokusera på att förbättra noggrannheten i medicinska analyser genom att förbättra träningsdata, testa andra modeller, och utföra fler användartester för att säkerställa att tillägget möter användarens behov. Slutsatsen av denna studie är att medan integrationen av LLM i webbläsartillägg erbjuder lovande möjligheter för medicinsk dataanalys, kräver det fortsatt utveckling och optimering för att fullt ut realisera dess potential inom hälso- och sjukvården.