மருத்துவக் கல்வியை மாற்றுதல்: தோல் பயிற்சிக்கு AI எவ்வாறு புரட்சியை ஏற்படுத்துகிறது
பெரிய மொழி மாதிரிகளின் (LLMs) விரைவான முன்னேற்றம் மருத்துவக் கல்வியை மாற்றுவதற்கான அற்புதமான புதிய சாத்தியங்களைத் திறந்துள்ளது. இந்த AI கருவிகளின் ஆற்றலைப் பயன்படுத்துவதன் மூலம், நாங்கள் புதுமையான கல்வி வளங்களை உருவாக்கலாம் மற்றும் பயிற்சி பெறும் மருத்துவர்களுக்கு முன்னோடியில்லாத அறிவு மற்றும் கற்றல் பொருட்களை அணுகுவதை வழங்க முடியும். “செயற்கை கல்வி” என்று அழைக்கப்படும் இந்த அணுகுமுறை, மருத்துவ வல்லுநர்களின் குறிப்பிட்ட தேவைகளுக்கு ஏற்ப புதிய உள்ளடக்கத்தை உருவாக்க LLM களைப் பயன்படுத்துகிறது.
சமீபத்திய ஆய்வில், அமெரிக்க மருத்துவ உரிமத் தேர்வு (USMLE) இல் பொதுவாகச் சோதிக்கப்படும் 20 வெவ்வேறு தோல் மற்றும் மென்மையான திசு நோய்களுக்கான மருத்துவச் சித்திரங்களை உருவாக்க OpenAI இன் GPT-4 ஐப் பயன்படுத்தி தோல் மருத்துவக் கல்வியில் LLM களின் திறனை நாங்கள் ஆராய்ந்தோம். யதார்த்தமான நோயாளி காட்சிகளை வழங்கும் இந்தச் சித்திரங்கள், மருத்துவர் நிபுணர்களால் அவற்றின் துல்லியம், விரிவான தன்மை, தரம், தீங்கு விளைவிக்கும் திறன் மற்றும் மக்கள்தொகை சார்பு ஆகியவற்றுக்காக மதிப்பிடப்பட்டன.
எங்கள் ஆய்வின் முடிவுகள் மிகவும் ஊக்கமளித்தன. மருத்துவர் நிபுணர்கள் அறிவியல் துல்லியம் (4.45/5), விரிவான தன்மை (4.3/5) மற்றும் ஒட்டுமொத்த தரம் (4.28/5) ஆகியவற்றுக்கான அதிக சராசரி மதிப்பெண்களை சித்திரங்களுக்கு வழங்கினர், அதே நேரத்தில் சாத்தியமான மருத்துவ தீங்கு (1.6/5) மற்றும் மக்கள்தொகை சார்பு (1.52/5) ஆகியவற்றுக்கான குறைந்த மதிப்பெண்களையும் குறிப்பிடுகின்றனர். விரிவான தன்மைக்கும் ஒட்டுமொத்த தரத்திற்கும் இடையே வலுவான தொடர்பு (r = 0.83) இருப்பதையும் நாங்கள் கவனித்தோம், விரிவான மற்றும் நன்கு வட்டமான சித்திரங்கள் பயனுள்ள மருத்துவக் கல்விக்கு அவசியம் என்பதைக் குறிக்கிறது. இருப்பினும், எதிர்கால மறு செய்கைகளில் மேம்படுத்த வேண்டிய ஒரு பகுதியாக மக்கள்தொகை பன்முகத்தன்மை சித்திரங்களில் இல்லை என்பதையும் நாங்கள் கவனித்தோம்.
ஒட்டுமொத்தமாக, தோல் மருத்துவக் கல்விப் பொருட்களின் அளவிடுதல், அணுகல் மற்றும் தனிப்பயனாக்கம் ஆகியவற்றை மேம்படுத்துவதற்கான LLM களின் மகத்தான திறனை எங்கள் ஆய்வு நிரூபிக்கிறது. அதிக மக்கள்தொகை பன்முகத்தன்மைக்கான தேவை போன்ற நாங்கள் கண்டறிந்த வரம்புகளை நிவர்த்தி செய்வதன் மூலம், இந்த AI- இயங்கும் கருவிகளை மேலும் செம்மைப்படுத்தலாம் மற்றும் மருத்துவக் கல்வியில் புரட்சியை ஏற்படுத்தும் அவற்றின் முழு திறனையும் திறக்க முடியும்.
மருத்துவக் கல்வியில் LLM களின் எழுச்சி
மருத்துவக் கல்வித் துறை தொடர்ந்து உருவாகி வருகிறது, புதிய தலைமுறை மருத்துவ மாணவர்கள் மற்றும் குடியிருப்பாளர்களின் மாறிவரும் தேவைகளுக்கு ஏற்ப மாற்றியமைக்கிறது. தொழில்நுட்பம் தொடர்ந்து முன்னேறி வருவதால், இந்த ஆர்வமுள்ள மருத்துவர்கள் தங்கள் கற்றலுக்கு உதவும் பல்வேறு வகையான டிஜிட்டல் கருவிகளுக்கு அதிகளவில் வெளிப்படுகிறார்கள். இந்த தொழில்நுட்பங்களில், பெரிய மொழி மாதிரிகள் (LLM கள்) ஒரு குறிப்பாக நம்பிக்கைக்குரிய பகுதியாக வெளிவந்துள்ளன, அவற்றின் குறிப்பிடத்தக்க கணக்கீட்டு சக்திக்கு கவனத்தை ஈர்க்கின்றன.
LLM கள் என்பது ஒரு வகை இயந்திர கற்றல் மாதிரி ஆகும், அவை பல்வேறு மூலங்களிலிருந்து பெறப்பட்ட பெரிய அளவிலான உரை தரவுகளில் பயிற்சி அளிக்கப்படுகின்றன. இந்த விரிவான பயிற்சி, அவர்கள் செயலாக்கிய பரந்த தரவுத்தொகுப்புகளிலிருந்து பெறப்பட்ட கூட்டு நுண்ணறிவுகளை ஒருங்கிணைத்து பயன்படுத்துவதன் மூலம் மிகவும் சிறப்பு வாய்ந்த பணிகளைச் செய்ய உதவுகிறது. மருத்துவத் துறையில் வெளிப்படையான பயிற்சி இல்லாமல் கூட, OpenAI இன் GPT போன்ற பொதுவான மாதிரிகள் மருத்துவ அமைப்புகளில் ஈர்க்கக்கூடிய செயல்திறனைக் காட்டியுள்ளன, மருத்துவத்தில் LLM களின் பரந்த திறனை எடுத்துக்காட்டுகின்றன.
செயற்கை கல்வியின் திறனை கட்டவிழ்த்து விடுதல்
புதிய உள்ளடக்கத்தை விரைவாகவும் திறமையாகவும் உருவாக்கும் திறனால் LLM கள் மருத்துவக் கல்வியில் முன்னோடியில்லாத பயன்பாட்டை வழங்குகின்றன. பல்வேறு மருத்துவக் கல்விப் பணிகளுக்கு LLM களைப் பயன்படுத்துவதில் கணிசமான ஆர்வம் இருந்தாலும், LLM வழிகாட்டும் கல்வி முயற்சிகள் உண்மையான உலக காட்சிகளில் எவ்வாறு செயல்படுகின்றன என்பது குறித்து வரையறுக்கப்பட்ட ஆராய்ச்சி உள்ளது. இந்தத் துறையில் LLM களின் ஒரு குறிப்பாக நம்பிக்கைக்குரிய ஆனால் ஆராயப்படாத பயன்பாடு மருத்துவ சித்திரங்களை உருவாக்குவதாகும்.
மருத்துவச் சித்திரங்கள் நவீன மருத்துவக் கல்வியின் ஒரு முக்கிய அங்கமாகும், இது USMLE கேள்விகள் மற்றும் முன் மருத்துவ வழக்கு அடிப்படையிலான கற்பித்தல் இரண்டிலும் குறிப்பிடத்தக்க பகுதியாகும். இந்தச் சித்திரங்கள் ஒரு கற்பவரின் நோயறிதல் பகுத்தறிவு, மேலாண்மை உத்திகளின் முன்னுரிமை மற்றும் உளவியல் சமூக காரணிகளைப் பற்றிய புரிதல் ஆகியவற்றை மதிப்பிடும் நடைமுறை காட்சிகளை வழங்குவதன் மூலம் மருத்துவ அறிவை சூழல்ப்படுத்துகின்றன. மருத்துவத்தின் சிக்கலான மற்றும் நுணுக்கமான நடைமுறையை உருவகப்படுத்துவதன் மூலம், சித்திரங்கள் எதிர்கால மருத்துவர்களுக்கு விலைமதிப்பற்ற பயிற்சியை வழங்குகின்றன.
பாரம்பரியமாக, மருத்துவச் சித்திரங்கள் தொழில்முறை சங்கங்கள், ஆசிரியர்களால் உருவாக்கப்பட்ட உள் பொருட்கள் அல்லது வணிக ரீதியாக கிடைக்கும் கேள்வி வங்கிகளிலிருந்து பெறப்படுகின்றன. இருப்பினும், இந்தச் சித்திரங்களை உருவாக்குவது ஒரு தொழிலாளர் தீவிரமான செயல்முறையாகும், இதற்கு அனுபவம் வாய்ந்த மருத்துவர்களிடமிருந்து குறிப்பிடத்தக்க உள்ளீடு தேவைப்படுகிறது. இந்த ஆதாரங்கள் தரக் கட்டுப்பாட்டின் அளவை வழங்கினாலும், இந்த பொருட்களின் அணுகல் மற்றும் அளவு வெவ்வேறு நிறுவனங்கள் மற்றும் மாணவர் சமூக பொருளாதார பின்னணியில் கணிசமாக வேறுபடலாம். மேலும், சித்திரங்களின் வரையறுக்கப்பட்ட கிடைப்பதால் USMLE நிர்வாகங்களில் சோதனை கேள்விகள் மீண்டும் வருவதைப் பற்றி கவலைகள் எழுந்துள்ளன.
LLM களுடன் தோல் மருத்துவக் கல்விக்கு புரட்சி
தோல் மருத்துவத்தில் மருத்துவ அறிவுறுத்தல் காட்சி மதிப்பீட்டை பெரிதும் நம்பியிருந்தாலும், நோயின் செயல்முறையை சூழல்படுத்தும் முழுமையான மருத்துவ விளக்கக்காட்சி சமமாக முக்கியமானது. USMLE போன்ற தரப்படுத்தப்பட்ட தேர்வுகள் தோல் மற்றும் மென்மையான திசு நோயியலைப் பற்றிய அறிவை மதிப்பிடுவதற்கு பெரும்பாலும் உரை அடிப்படையிலான சித்திரங்களைப் பயன்படுத்துகின்றன. மேலும், தோல் புண்களை விவரிக்கப் பயன்படுத்தப்படும் குறிப்பிட்ட சொற்களஞ்சியம் தோல் நோய்களின் துல்லியமான நோயறிதல் மற்றும் சிகிச்சைக்கு அவசியம்.
மருத்துவக் கல்வியில் பொதுவான தோல் மருத்துவ நிலைகளுக்கான உரை அடிப்படையிலான சித்திரங்களின் கிடைக்கும் தன்மையை விரிவுபடுத்துவதற்கு LLM கள் ஒரு தனித்துவமான வாய்ப்பை வழங்குகின்றன. GPT போன்ற தற்போதைய ஆஃப்-தி-ஷெல்ஃப் LLM கள், ஆரம்ப மருத்துவ சித்திரங்களை விரிவுபடுத்துவதற்கும், மாணவர்கள் மேலும் கேள்விகளைக் கேட்கும்போது அவர்களின் தனிப்பட்ட தேவைகளுக்கு ஏற்ப மாற்றியமைப்பதற்கும் நெகிழ்வுத்தன்மையை வழங்குகின்றன. எங்கள் ஆய்வில், மருத்துவக் கல்வி நோக்கங்களுக்காக உயர்தர மருத்துவ சித்திரங்களை உருவாக்குவதற்கு OpenAI இன் சமீபத்திய பொதுவில் கிடைக்கும் அடிப்படை மாதிரியான GPT 4.0 ஐப் பயன்படுத்துவதற்கான சாத்தியக்கூறுகளை மதிப்பிட்டோம்.
GPT-4 இன் செயல்திறனை மதிப்பிடுதல்
மருத்துவச் சித்திரங்களை உருவாக்குவதில் GPT-4 இன் செயல்திறனை மதிப்பிடுவதற்கு, USMLE Step 2 CK தேர்வில் பொதுவாகச் சோதிக்கப்படும் 20 தோல் மற்றும் மென்மையான திசு நோய்களில் கவனம் செலுத்தினோம். ஒவ்வொரு நிலைக்கும் விரிவான மருத்துவச் சித்திரங்களை உருவாக்க மாதிரியைக் கேட்டோம், இதில் மிகவும் சாத்தியமான நோயறிதலுக்கான விளக்கங்கள் மற்றும் மாற்று நோயறிதல்கள் ஏன் சாத்தியமில்லை என்பதையும் உள்ளடக்கியது. இந்தச் சித்திரங்கள் பின்னர் மருத்துவர் நிபுணர்களின் குழுவால் அவற்றின் அறிவியல் துல்லியம், விரிவான தன்மை, ஒட்டுமொத்த தரம், சாத்தியமான மருத்துவ தீங்கு மற்றும் மக்கள்தொகை சார்பு ஆகியவற்றிற்காக ஒரு Likert அளவைப் பயன்படுத்தி மதிப்பிடப்பட்டன.
சித்திரத்தின் பண்புகள்
20 மருத்துவச் சித்திரங்கள் பற்றிய எங்கள் பகுப்பாய்வு பல முக்கிய பண்புகளை வெளிப்படுத்தியது:
நோயாளி புள்ளிவிவரங்கள்: சித்திரங்களில் 15 ஆண் நோயாளிகளும், 5 பெண் நோயாளிகளும் இருந்தனர், நோயாளியின் சராசரி வயது 25 ஆண்டுகள். 4 நோயாளிகளுக்கு மட்டுமே இனம் குறிப்பிடப்பட்டது (3 காக்கேசியர்கள், 1 ஆப்பிரிக்க அமெரிக்கர்). 3 நோயாளிகளுக்கு பொதுவான பெயர்கள் பயன்படுத்தப்பட்டன, மீதமுள்ள சித்திரங்களில் பெயர்கள் சேர்க்கப்படவில்லை.
வார்த்தை எண்ணிக்கை: மாதிரியின் வெளியீட்டிற்கான சராசரி வார்த்தை எண்ணிக்கை 332.68 ஆகும், நிலையான விலகல் 42.75 வார்த்தைகள். மருத்துவச் சித்திரப் பகுதியின் சராசரி 145.79 வார்த்தைகள் (SD = 26.97), அதே நேரத்தில் விளக்கங்களின் சராசரி 184.89 வார்த்தைகள் (SD = 49.70). சராசரியாக, விளக்கங்கள் அவற்றின் தொடர்புடைய சித்திரங்களை விட நீளமாக இருந்தன, சித்திரம்-விளக்க நீள விகிதம் 0.85 (SD = 0.30).
மருத்துவர் மதிப்பீடுகள்
மருத்துவர் நிபுணர்களின் மதிப்பீடுகள் அறிவியல் ஒருமித்த கருத்துடன் (சராசரி = 4.45, 95% CI: 4.28-4.62), விரிவான தன்மை (சராசரி = 4.3, 95% CI: 4.11-4.89) மற்றும் ஒட்டுமொத்த தரம் (சராசரி = 4.28, 95% CI: 4.10-4.47) ஆகியவற்றுடன் அதிக அளவு சீரமைப்பைக் குறிக்கிறது. மதிப்பீடுகள் மருத்துவ தீங்கு விளைவிக்கும் அபாயம் (சராசரி = 1.6, 95% CI: 1.38-1.81) மற்றும் மக்கள்தொகை சார்பு (சராசரி = 1.52, 95% CI: 1.31-1.72) ஆகியவற்றின் குறைந்த அபாயத்தையும் குறிக்கிறது. மக்கள்தொகை சார்புக்கான தொடர்ந்து குறைந்த மதிப்பீடுகள், மருத்துவர் மதிப்பீட்டாளர்கள் நோயாளி மக்கள்தொகையின் ஒரே மாதிரியான அல்லது விகிதாசாரமற்ற சாய்ந்த பிரதிநிதித்துவங்களின் குறிப்பிடத்தக்க வடிவங்களை கண்டறியவில்லை என்பதைக் குறிக்கிறது.
தொடர்பு பகுப்பாய்வு
வெவ்வேறு மதிப்பீட்டு அளவுகோல்களுக்கு இடையிலான உறவுகளை மதிப்பிடுவதற்கு, பியர்சன் தொடர்பு குணகங்களை கணக்கிட்டோம். அறிவியல் ஒருமித்த கருத்து விரிவான தன்மை (r = 0.67) மற்றும் ஒட்டுமொத்த தரம் (r = 0.68) ஆகியவற்றுடன் மிதமாக தொடர்புடையது என்பதைக் கண்டறிந்தோம். விரிவான தன்மை மற்றும் ஒட்டுமொத்த தரம் ஆகியவை வலுவான தொடர்பைக் காட்டின (r = 0.83), அதே நேரத்தில் மருத்துவ தீங்கு மற்றும் மக்கள்தொகை சார்புக்கான சாத்தியக்கூறுகள் பலவீனமாக தொடர்புடையவை (r = 0.22).
மருத்துவக் கல்வியின் தாக்கங்கள்
தரப்படுத்தப்பட்ட மருத்துவப் பரீட்சைகளின் அதிகரித்துவரும் ஆய்வுக்கு உட்படும் சூழலில், எங்கள் ஆய்வின் கண்டுபிடிப்புகள் மருத்துவக் கல்விக்கு குறிப்பிடத்தக்க தாக்கங்களை ஏற்படுத்துகின்றன. USMLE போன்ற மதிப்பீடுகளுக்குப் பயன்படுத்தக்கூடிய உயர்தர கல்விப் பொருட்களின் தேவை முன்பை விட இப்போது மிகவும் முக்கியமானது. இருப்பினும், புதிய கேள்விகளை உருவாக்கும் பாரம்பரிய முறை வள-தீவிரமானது, மருத்துவச் சித்திரங்களை எழுத அனுபவம் வாய்ந்த மருத்துவர்கள் மற்றும் அவற்றின் பொதுமைப்படுத்தலை மதிப்பிடுவதற்கு பல சோதனை நிர்வாகங்கள் தேவைப்படுகின்றன. ஏராளமான, தனித்துவமான மருத்துவச் சித்திரங்களை உருவாக்கும் புதிய முறைகள் எனவே மிகவும் விரும்பத்தக்கவை.
GPT-4 போன்ற பெரிய மொழி மாதிரிகள் “செயற்கை மருத்துவக் கல்வி” ஆதாரமாக செயல்பட முடியும் என்பதற்கு எங்கள் ஆய்வு நம்பிக்கைக்குரிய ஆதாரங்களை வழங்குகிறது, இது அணுகக்கூடிய, தனிப்பயனாக்கக்கூடிய மற்றும் அளவிடக்கூடிய கல்வி வளங்களை வழங்குகிறது. GPT-4, பிரதிநிதித்துவ மற்றும் துல்லியமான நோயாளி விளக்கங்களை உருவாக்குவதற்கு விரிவடையும் உள்ளார்ந்த மருத்துவ அறிவைக் கொண்டுள்ளது என்பதை நாங்கள் நிரூபித்துள்ளோம். USMLE Step 2 CK தேர்வின் தோல் மற்றும் மென்மையான திசு பிரிவில் சோதிக்கப்பட்ட நோய்களுக்கான GPT-4 உருவாக்கிய சித்திரங்கள் மிகவும் துல்லியமானவை என்பதை எங்கள் பகுப்பாய்வு வெளிப்படுத்தியது, LLM கள் தரப்படுத்தப்பட்ட மருத்துவப் பரீட்சைகளுக்கான சித்திரங்களை வடிவமைக்கப் பயன்படுத்தப்படலாம் என்பதைக் குறிக்கிறது.
அறிவியல் ஒருமித்த கருத்து, விரிவான தன்மை மற்றும் ஒட்டுமொத்த தரம் ஆகியவற்றிற்கான அதிக மதிப்பீடுகள், சாத்தியமான மருத்துவ தீங்கு மற்றும் மக்கள்தொகை சார்புக்கான குறைந்த மதிப்பீடுகளுடன் இணைந்து, இந்த நோக்கத்திற்காக LLM களைப் பயன்படுத்துவதற்கான சாத்தியக்கூறுகளை மேலும் ஆதரிக்கின்றன. சித்திரத்தின் விரிவான தன்மைக்கும் ஒட்டுமொத்த தரத்திற்கும் இடையிலான வலுவான புள்ளிவிவர தொடர்பு மருத்துவக் கல்வியில் முழுமையான மற்றும் விரிவான வழக்கு விளக்கக்காட்சிகளின் முக்கியத்துவத்தை எடுத்துக்காட்டுகிறது மற்றும் மருத்துவ பகுத்தறிவிற்கான சூழல் பொருத்தமான மற்றும் முழுமையான காட்சிகளை LLM கள் வழங்கும் திறனை நிரூபிக்கிறது.
சித்திரங்களின் சராசரி நீளம் (145.79 ± 26.97 வார்த்தைகள்) USMLE சித்திர நீளத்தின் எல்லைக்குள் நன்றாக விழுகிறது, இது ஒவ்வொரு கேள்விக்கும் பதிலளிக்க தேர்வாளர்களுக்கு தோராயமாக 90 வினாடிகள் அனுமதிக்கிறது. சித்திரங்களுடன் நீண்ட விளக்கங்களைச் சேர்ப்பது, நோயாளி விளக்கங்களை மட்டுமல்ல, பயனுள்ள போதனைப் பொருட்களையும் உருவாக்கும் LLM களின் திறனை எடுத்துக்காட்டுகிறது.
வரம்புகளை நிவர்த்தி செய்தல் மற்றும் எதிர்கால திசைகள்
உயர்தர மருத்துவச் சித்திரங்களை உருவாக்குவதில் LLM களின் திறனை எங்கள் ஆய்வு நிரூபித்தாலும், எதிர்கால ஆராய்ச்சியில் நிவர்த்தி செய்யப்பட வேண்டிய பல வரம்புகளையும் நாங்கள் கண்டறிந்தோம். நோயாளி புள்ளிவிவரங்களில் வரையறுக்கப்பட்ட பன்முகத்தன்மை, ஆண் நோயாளிகளின் ஆதிக்கம் மற்றும் இன பன்முகத்தன்மை இல்லாதது ஆகியவை ஒரு முக்கிய கவலையாகும். மருத்துவ மாணவர்கள் பல்வேறு நோயாளிகளுக்கு சேவை செய்ய போதுமான அளவு தயாராக இருப்பதை உறுதி செய்வதற்காக, தூண்டுதல் பொறியியல் மற்றும் மாதிரி பயிற்சி தரவுத்தொகுப்புகளில் பல்வேறு நோயாளி பிரதிநிதித்துவங்களைச் சேர்க்க அதிக உணர்வுப்பூர்வமான முயற்சிகளை இணைப்பது அவசியம். மாதிரி வெளியீட்டில் உள்ள முறையான சார்புகளின் மூலங்களையும் வெளிப்பாடுகளையும் எதிர்கால ஆய்வுகள் ஆராய வேண்டும்.
எங்கள் ஆய்வின் மற்றொரு வரம்பு, எங்கள் நிபுணர் மதிப்பீட்டாளர் குழுவின் கலவை ஆகும், இதில் உள் மருத்துவம் மற்றும் அவசர மருத்துவத்திலிருந்து இரண்டு கலந்துகொள்ளும் மருத்துவர்களுடன் ஒரு தோல் மருத்துவர் மட்டுமே இருந்தார். தோல் மருத்துவம் அல்லாத மதிப்பீட்டாளர்கள் தங்கள் சிறப்புத் துறைகளில் பொதுவான தோல் நிலைகளை அடிக்கடி கண்டறிந்து நிர்வகித்தாலும், அவர்களின் நிபுணத்துவம் தோல் நோயின் முழு ஸ்பெக்ட்ரத்தையும் உள்ளடக்கியதாக இருக்காது. AI உருவாக்கிய வழக்குகளின் மேலும் சிறப்பு வாய்ந்த மதிப்பீட்டை உறுதிப்படுத்த எதிர்கால ஆய்வுகள் அதிக எண்ணிக்கையிலான தோல் மருத்துவர்களிடமிருந்து பயனடையும்.
இந்த வரம்புகள் இருந்தபோதிலும், GPT-4 போன்ற ஆஃப்-தி-ஷெல்ஃப் LLM கள் தரப்படுத்தப்பட்ட தேர்வு மற்றும் கற்பித்தல் நோக்கங்களுக்காக மருத்துவச் சித்திரத்தை உருவாக்குவதற்கு அதிக ஆற்றலைக் கொண்டுள்ளன என்பதற்கு எங்கள் பணி கட்டாயமான சான்றுகளை வழங்குகிறது. அதிக குறிப்பிட்ட தரவுத்தொகுப்புகளில் பயிற்சி பெற்ற பொருத்தமான LLM கள் இந்த திறன்களை மேலும் மேம்படுத்தலாம். “செயற்கை கல்வி”யின் அதிக துல்லியம் மற்றும் செயல்திறன் மருத்துவக் கல்விப் பொருட்களை உருவாக்கும் பாரம்பரிய முறைகளில் தற்போதைய வரம்புகளுக்கு ஒரு நம்பிக்கைக்குரிய தீர்வை வழங்குகிறது.