统计学 > 应用
[提交于 2025年7月2日
]
标题: BACTA-GPT:一种基于人工智能的贝叶斯自适应临床试验架构
标题: BACTA-GPT: An AI-Based Bayesian Adaptive Clinical Trial Architect
摘要: 贝叶斯自适应临床试验为传统的固定设计试验提供了一种灵活且高效的替代方案,但其实施常常受到贝叶斯计算复杂性和需要高级统计编程专业知识的阻碍。 作者介绍了一种定制的微调大型语言模型,旨在帮助解决这一问题,并降低将贝叶斯方法应用于自适应临床试验的采用门槛。 本文描述了BACTA-GPT的开发和微调,这是一种基于大型语言模型(LLM)的工具,旨在协助实现贝叶斯自适应临床试验。 该引擎使用GPT-3.5作为底层模型,并接收来自统计学家或试验设计者自然语言输入。 微调后的模型在其目标上展示了可行的概念验证。 测试案例评估表明,该模型能够生成适用于自适应试验的贝叶斯模型,并通过使用R和JAGS进行模拟来评估其操作特性。 人工智能代码生成的整合在降低贝叶斯自适应试验设计和实施的技术障碍方面具有巨大潜力。 但它们也需要注意关于验证和质量控制的重要考虑因素。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.