Key points are not available for this paper at this time.
기초 모델(FMs)은 자기 지도 기법을 사용하여 광범위한 데이터 세트에서 훈련된 대규모 딥 러닝 모델입니다. 이러한 모델은 의료를 포함한 다양한 다운스트림 작업의 기반 역할을 합니다. FMs는 자연어 처리(NLP), 컴퓨터 비전, 그래프 학습, 생물학 및 오믹스를 포함한 의료 분야의 다양한 도메인에서 큰 성공을 거두었습니다. 기존의 의료 기반 조사에서는 이러한 모든 도메인을 포함하지 않았습니다. 따라서 이 조사는 의료 분야의 FMs에 대한 포괄적인 개요를 제공합니다. 우리는 FMs의 역사, 학습 전략, 주요 모델, 응용 및 도전에 집중합니다. BERT 및 GPT 계열과 같은 FMs가 임상 대형 언어 모델, 의료 이미지 분석 및 오믹스 데이터와 같은 다양한 의료 분야를 어떻게 재편하고 있는지 탐구합니다. 또한 임상 NLP, 의료 컴퓨터 비전, 그래프 학습 및 기타 생물학 관련 작업과 같이 FMs에 의해 촉진된 의료 응용의 상세한 분류법을 제공합니다. FMs가 제공하는 유망한 기회에도 불구하고, 관련된 여러 도전 과제가 있으며 이를 자세히 설명합니다. 우리는 또한 연구자와 실무자가 FMs의 잠재력과 제한에 대한 통찰력을 얻어 배치를 진전시키고 관련 위험을 완화할 수 있는 잠재적인 미래 방향을 제시합니다.
Khan et al. (Sat,)은 이 질문을 연구했습니다.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: