[论文翻译]提升GPT-4V在医疗任务中的表现：关于提示工程策略的综合研究
OpenAI 最新推出的大型视觉语言模型 (LVLM) GPT-4V(ision) 因其在医疗应用中的潜力而备受关注。尽管前景广阔，但近期研究和内部评估表明，该模型在专业医疗任务中表现欠佳。本文探讨了 GPT-4V 在医学领域的能力边界，特别是在处理内窥镜、CT 扫描和 MRI 等复杂影像数据时的表现。基于开源数据集，我们评估了其基础能力，发现了大量待改进领域。研究重点聚焦提示工程 (prompt engineering) 这一常被低估的 AI 响应优化策略。通过迭代测试，我们优化了模型的提示词，显著提升了其在医学影像解读中的准确性和相关性。经过系统评估，我们提炼出 10 项有效的提示工程技术，每项都能强化 GPT-4V 的医疗判断力。这些方法论的改进使 GPT-4V 能输出更可靠、精准且具临床价值的洞察，提升了其在关键医疗场景中的适用性。本研究成果为医疗领域 AI 应用者提供了关键指导，清晰阐述了如何充分释放 GPT-4V 的诊断潜力。
