Verwendung von Retrieval-Augmented Generation zur Erfassung molekular getriebener Behandlungsbeziehungen für die Präzisionsonkologie

Moderne generative Techniken der künstlichen Intelligenz wie Retrieval-Augmented Generation (RAG) können zur Unterstützung von Diskussionen über Präzisionsonkologie-Behandlungen eingesetzt werden. Experten prüfen routinemäßig veröffentlichte Literatur auf Belege und Empfehlungen für Behandlungen in einem arbeitsintensiven Prozess. Eine RAG-Pipeline kann diesen Aufwand reduzieren, indem sie Textabschnitte aus diesen Publikationen an ein handelsübliches Large Language Model (LLM) weitergibt, sodass dieses ohne Feinabstimmung verwandte Fragen beantworten kann. Diese potenzielle Anwendung wird demonstriert, indem Behandlungsbeziehungen aus einer vertrauenswürdigen Datenquelle (OncoKB) abgerufen und über 80 % davon reproduziert werden, indem einfache Fragen an ein untrainiertes Llama 2-Modell mit Zugriff auf relevante Abstracts gestellt werden.