Skip to main page content
U.S. flag

An official website of the United States government

Dot gov

The .gov means it’s official.
Federal government websites often end in .gov or .mil. Before sharing sensitive information, make sure you’re on a federal government site.

Https

The site is secure.
The https:// ensures that you are connecting to the official website and that any information you provide is encrypted and transmitted securely.

Access keys NCBI Homepage MyNCBI Homepage Main Content Main Navigation
Review
. 2024 Apr;119(3):181-188.
doi: 10.1007/s00063-023-01098-5. Epub 2023 Dec 18.

[Significance of natural language processing and chat-based generative language models]

[Article in German]
Markus Haar  1 , Michael Sonntagbauer  2 , Stefan Kluge  2
Affiliations
Review

[Significance of natural language processing and chat-based generative language models]

[Article in German]
Markus Haar et al. Med Klin Intensivmed Notfmed. 2024 Apr.

Abstract
in English, German

Background: Natural language processing (NLP) has experienced significant growth in recent years and shows potential for broad impacts in scientific research and clinical practice.

Objective: This study comprises an exploration of the role of NLP in scientific research and its subsequent effects on traditional publication practices, as well as an evaluation of the opportunities and challenges offered by large language models (LLM) and a reflection on necessary paradigm shifts in research culture.

Materials and methods: Current LLMs, such as ChatGPT, and their potential applications were compared and assessed. An analysis of the literature and case studies on the integration of LLMs into scientific and clinical practice was conducted.

Results and conclusion: LLMs provide enhanced access to and processing capabilities of text-based information and represent a vast potential for (medical) research as well as daily clinical practice. Chat-based LLMs enable efficient completion of often time-consuming tasks, but due to their tendency for hallucinations, have a significant limitation. Current developments require critical examination and a paradigm shift to fully exploit the benefits of LLMs and minimize potential risks.

Zusammenfassung: HINTERGRUND: Natural Language Processing (NLP) hat in den letzten Jahren erheblichen Aufschwung erfahren und zeigt Potenzial für weitreichende Auswirkungen in der wissenschaftlichen Forschung und im klinischen Alltag.

Fragestellung: Untersuchung der Rolle von NLP in der Wissenschaftsforschung und der daraus resultierenden Auswirkungen auf traditionelle Publikationspraktiken. Evaluation der Chancen und Herausforderungen, die Large Language Models (LLM) bieten, und Reflexion über notwendige Paradigmenwechsel in der Forschungskultur.

Material und methode: Aktuelle LLM, wie Chat Generative Pre-trained Transformer (ChatGPT; OpenAI, San Francisco, CA, USA), und deren mögliche Anwendungen werden verglichen und bewertet. Zudem werden die relevante Literatur und Fallstudien zur Integration von LLM in der wissenschaftlichen und klinischen Praxis analysiert.

Ergebnisse und schlussfolgerung: Die LLM ermöglichen verbesserten Zugang und Verarbeitung von textbasierten Informationen und stellen ein großes Potenzial für die (medizinische) Forschung sowie den klinischen Alltag dar. Chatbasierte LLM ermöglichen eine effektive Erledigung oft zeitintensiver Aufgaben, weisen aber aufgrund ihrer Tendenz zu Halluzinationen eine wesentliche Limitation auf. Die aktuellen Entwicklungen erfordern eine kritische Auseinandersetzung und einen Paradigmenwechsel, um ihre Vorteile voll auszuschöpfen und mögliche Risiken minimieren zu können.

Keywords: Artificial intelligence; Computational neural networks; Publications; Research; Research ethics.

PubMed Disclaimer

References

Literatur

    1. Radford A, Narasimhan K, Salimans T, Sutskever I (2018) Improving language understanding by generative pre-training. OpenAI. https://cdn.openai.com/research-covers/language-unsupervised/language_un... . Zugegriffen: 22. Nov. 2023
    1. Thirunavukarasu AJ, Ting DSJ, Elangovan K, Gutierrez L, Tan TF, Ting DSW (2023) Large language models in medicine. Nat Med 29(8):1930–1940 - DOI - PubMed
    1. Khurana D, Koli A, Khatter K, Singh S (2023) Natural language processing: state of the art, current trends and challenges. Multimed Tools Appl 82(3):3713–3744 - DOI - PubMed
    1. (2023) Introduction to large language models. https://developers.google.com/machine-learning/resources/intro-llms . Zugegriffen: 10. Sept. 2023
    1. Vaswani A, Shazeer N, Parmar N, Uszkoreit J, Jones L, Gomez AN et al (2017) Attention is all you need. arXiv

MeSH terms

LinkOut - more resources