Dies ist eine Übersichtsseite mit Metadaten zu dieser wissenschaftlichen Arbeit. Ein externer Link zum Volltext ist derzeit nicht verfügbar.
Ökonomisierung der polysomnographischen Auswertung durch ein Large Language Model (ChatGPT-4o)
0
Zitationen
12
Autoren
2025
Jahr
Abstract
Einleitung: Die Interpretation von polysomnographischen Ergebnissen ist aufgrund des hohen Personalaufwands ressourcenintensiv. Large Language Modelle (LLM) wie ChatGPT-4o können die Interpretation ökonomisieren, indem sie die Analyse als digitaler Assistent unterstützen. Diese Studie [zum vollständigen Text gelangen Sie über die oben angegebene URL]
Ähnliche Arbeiten
Explainable Artificial Intelligence (XAI): Concepts, taxonomies, opportunities and challenges toward responsible AI
2019 · 8.593 Zit.
Stop explaining black box machine learning models for high stakes decisions and use interpretable models instead
2019 · 8.483 Zit.
High-performance medicine: the convergence of human and artificial intelligence
2018 · 8.003 Zit.
BioBERT: a pre-trained biomedical language representation model for biomedical text mining
2019 · 6.824 Zit.
Proceedings of the 19th International Joint Conference on Artificial Intelligence
2005 · 5.781 Zit.