Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
Preguntas frecuentes sobre casos de uso de la sanidad y las ciencias de la vida
Las siguientes son preguntas frecuentes relacionadas con el uso de Amazon Comprehend Medical LLMs o para tareas de PNL médicas.
¿Cómo elijo entre Amazon Comprehend Medical y un LLM?
Si su tarea consiste en detectar entidades médicas en su texto médico, consulte la documentación de Amazon Comprehend Medical para saber qué entidades médicas se pueden extraer y si alguna de las ontologías aborda su caso de uso. Si no es así, considere la posibilidad de utilizar un LLM. Para obtener más información, consulte Casos de uso de Amazon Comprehend Medical y Casos de uso de un LLM en esta guía.
¿Cómo puedo proporcionar los resultados de Amazon Comprehend Medical a un LLM?
Puede incorporar los resultados de Amazon Comprehend Medical como contexto en sus solicitudes de LLM. Esto proporciona conocimientos y terminología médicos adicionales al LLM. El contexto proporcionado puede mejorar el desempeño del LLM en tareas como el reconocimiento de entidades, el resumen o la respuesta a preguntas. La guía proporciona varios ejemplos de cómo estructurar las indicaciones con los resultados de Amazon Comprehend Medical. Para obtener más información, consulte la sección Combinación de Amazon Comprehend Medical con modelos lingüísticos de gran tamaño de esta guía.
¿Cuáles son algunas de las mejores prácticas a la hora de utilizar Amazon Comprehend Medical LLMs con?
Te recomendamos que utilices las puntuaciones de confianza de Amazon Comprehend Medical para filtrar o priorizar las entidades según tus indicaciones. También es importante evaluar su rendimiento en función de sus datos específicos y validar que las definiciones de las entidades se ajusten a sus requisitos. La combinación de Amazon Comprehend Medical con fuentes de conocimiento específicas del dominio puede mejorar aún más el rendimiento del LLM. Para obtener más información, consulte la sección Mejores prácticas para usar Amazon Comprehend Medical en un flujo de trabajo de RAG de esta guía.
¿Debo utilizar un LLM médico previamente formado o ajustar un LLM general para mi caso de uso en el sector de la salud?
La decisión depende de sus requisitos específicos y de la disponibilidad de datos de formación de alta calidad. Un médico previamente formado LLMs puede ser un buen punto de partida. Sin embargo, es posible que aún tengas que ajustarlos con los datos específicos de tu dominio. Si tienes suficientes datos etiquetados, ajustar un LLM general puede ser una opción viable. Para obtener más información, consulte Cómo elegir un LLM y Elegir un enfoque de PNL para la atención médica y las ciencias de la vida en esta guía.
¿Cómo puedo evaluar el desempeño de las tareas médicas LLMs de PNL?
Recomendamos utilizar métricas cuantitativas, como la exactitud, la precisión, la recuperación y la puntuación F1 para las tareas de clasificación de textos y reconocimiento de entidades nombradas. Puede utilizar ROUGE y METEOR para tareas de generación de texto. Es importante contar con datos fiables sobre el terreno etiquetados por expertos en la materia e implementar procesos para monitorear el rendimiento de los modelos a lo largo del tiempo. Para obtener más información, consulte la sección Evaluación LLMs de aplicaciones sanitarias y de ciencias de la vida de esta guía.
¿Cuáles son las ventajas y desventajas entre las soluciones LLM de alta y baja complejidad?
Ajustar un LLM o crear un LLM personalizado son soluciones muy complejas. Estos enfoques pueden mejorar el rendimiento, pero conllevan costos y requisitos de mantenimiento más altos. Las soluciones más sencillas, como el uso de Amazon Comprehend Medical LLMs o de Amazon Comprehend Medical, pueden ofrecer un rendimiento aceptable con costes más bajos y ciclos de desarrollo más rápidos. Sin embargo, es posible que estos enfoques no cumplan con los estrictos requisitos de precisión en algunos casos de uso. Para obtener más información, consulte la sección Consideraciones sobre la madurez empresarial de esta guía.
