BiomedGPT: Ein Generalistisches Vision-Sprache-Grundmodell für vielfältige biomedizinische Aufgaben

Traditionelle biomedizinische künstliche Intelligenz (KI)-Modelle, die für spezifische Aufgaben oder Datentypen entwickelt wurden, weisen häufig eine begrenzte Flexibilität bei der praktischen Anwendung auf und sind nicht in der Lage, umfassende Informationen effektiv zu nutzen. Allgemeinbildende KI-Modelle bieten das Potenzial, diese Einschränkungen zu überwinden, da sie unterschiedliche Datenformate interpretieren und maßgeschneiderte Ausgaben für vielfältige Anforderungen generieren können. Allerdings sind bestehende biomedizinische Allgemein-KI-Lösungen typischerweise rechenintensiv und für Forscher, Praktiker und Patienten nicht zugänglich, da sie geschlossen und proprietär sind. Hier präsentieren wir BiomedGPT, das erste Open-Source- und leichtgewichtige Vision-Sprache-Grundmodell, das als Allgemein-KI entwickelt wurde und eine Vielzahl biomedizinischer Aufgaben bewältigen kann. BiomedGPT erzielte in 16 von 25 Experimenten Spitzenleistungen, während es gleichzeitig eine rechnerfreundliche Modellgröße beibehielt. Zudem führten wir menschliche Bewertungen durch, um die Fähigkeiten von BiomedGPT im Bereich der radiologischen visuellen Fragenbeantwortung, Berichterstellung und Zusammenfassung zu evaluieren. BiomedGPT zeigt eine robuste Vorhersageleistung mit einer geringen Fehlerrate von 3,8 % bei der Fragenbeantwortung, zufriedenstellende Leistung mit einer Fehlerrate von 8,3 % bei der Erstellung komplexer Radiologieberichte und konkurrenzfähige Zusammenfassungsfähigkeiten mit einem nahezu gleichwertigen Präferenzscore im Vergleich zu menschlichen Experten. Unser Ansatz zeigt, dass eine effektive Schulung mit vielfältigen Daten zu praktikableren biomedizinischen KI-Systemen führen kann, die die Diagnosegenauigkeit und die Effizienz klinischer Abläufe verbessern.