Fine-tuning medical large language models for differential diagnosis: from synthetic data to real-world evaluation
Tıp odaklı dil modellerini ayırıcı tanı için geliştirmek: Yapay veriden gerçek dünya değerlendirmesine doğru
- Tez No: 1001594
- Danışmanlar: PROF. DR. FEHİME NİHAN ÇİÇEKLİ, DR. AYŞENUR BİRTÜRK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Büyük ölçekli elektronik sağlık kayıtlarına erişim, gizlilik kuralları nedeniyle sınırlıdır. Bu durum, klinik doğal dil işleme modellerinin eğitilmesinde önemli bir engel oluşturmaktadır. Sentetik veriler gizliliği korumanın bir yolunu sunar, ancak sentetik metnin gerçek dünyada dil modellerini geliştirmek için ne kadar iyi çalıştığı araştırılması gereken bir konudur. Bu tez, hastalık teşhisi için tıp odaklı bir modeli geliştirmek amacıyla sentetik hasta özetlerini kullanan bir yol sunmaktadır. Sonuçlar, sentetik verilerin tıbbi modelleri başarıyla yeniden şekillendirebileceğini göstermektedir. Bu yaklaşım, hassas gerçek dünya verilerinin minimum kullanımıyla klinik teşhis oluşturmak için uygun maliyetli ve gizlilik odaklı bir yöntem sunmaktadır. Bu durum, hasta kabulünde zorluk yaşayan ve hasta yoğunluğuyla mücadele eden hastanelere de yardımcı olmaktadır.
Özet (Çeviri)
Access to large-scale, annotated Electronic Health Records (EHR) is limited by privacy rules. This creates a major setback for training strong clinical natural language processing (NLP) models. Synthetic data provides a way to protect privacy, but how well synthetic text works for fine-tuning large language models (LLMs) in real-world tasks is still an important issue to explore. Our thesis presents a framework that uses synthetic patient summaries to fine-tune a medical LLM model for multi-label disease diagnosis. This approach offers a cost-effective and privacy-focused method for creating clinical diagnostic tools with minimal use of sensitive real-world data. The results show that synthetic data can successfully reshape the medical models. This also helps the hospitals that are struggling with triage and the overcrowding of patients.
Benzer Tezler
- Açık kaynaklı büyük dil modelleri için parametre verimli ince ayar yöntemlerinin geliştirilmesi ve analizi
Development and analysis of parameter-efficient fine tuning methods for open-source large language models
SEDA BAYAT TOKSÖZ
Doktora
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolIğdır ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜLTEKİN IŞIK
- İnce ayarlanmış RAG bileşenlerini kullanarak Türkçe veri setleri için yeni bir füzyon yöntemi ile yeniden sıralama konfigürasyonu
A new fusion reranking pipeline for Turkish datasets using fine-tuned RAG components
ERDOĞAN BIKMAZ
Doktora
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankaya ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SERDAR ARSLAN
- Generative AI in Healthcare: A Turkish Chatbot for Symptom Assesment and Tailored Recommendations
Sağlikta üretken yapay zekâ: semptom değerlendirmesi ve kişiye özel öneriler için Türkçe bir sohbet botu
YUNUS EMRE IŞIKDEMİR
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MURAT AYDOS
- Artırılmış gerçeklik ve derin öğrenme tabanlı mobil dil öğrenme uygulaması
Augmented reality and deep learning-based mobile language learning application
TOLGA TANRISEVER
Yüksek Lisans
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSivas Cumhuriyet ÜniversitesiYapay Zeka ve Veri Bilimi Ana Bilim Dalı
DOÇ. DR. RUKİYE KARAKIŞ
- Optimizing medical dialogue systems with reinforcement learning from human feedback architectures
İnsan geri bildiriminden öğrenme mimarileriyle tıbbi diyalog sistemlerinin optimizasyonu
ABDUL REHMAN
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
PROF. ALİ OKATAN