La presente tesi analizza il tema dell’affidabilità e della stabilità dei Large Language Models (LLM) in ambito sanitario, con particolare attenzione alla variabilità delle risposte e alle criticità derivanti dalla loro natura stocastica. Attraverso l’analisi di esperienze sviluppate nel contesto sanitario cinese, vengono esaminate le implicazioni dell’impiego degli LLM nei processi di interazione e supporto al paziente. Infine, viene approfondito il Retrieval-Augmented Generation (RAG) come criterio volto a migliorare il controllo, la coerenza e l’affidabilità delle informazioni generate.

AFFIDABILITÀ E STABILITÀ DEI LARGE LANGUAGE MODELS IN AMBITO SANITARIO: ANALISI DEL CASO STUDIO CINESE

SPORTELLI, MARIASOLE
2025/2026

Abstract

La presente tesi analizza il tema dell’affidabilità e della stabilità dei Large Language Models (LLM) in ambito sanitario, con particolare attenzione alla variabilità delle risposte e alle criticità derivanti dalla loro natura stocastica. Attraverso l’analisi di esperienze sviluppate nel contesto sanitario cinese, vengono esaminate le implicazioni dell’impiego degli LLM nei processi di interazione e supporto al paziente. Infine, viene approfondito il Retrieval-Augmented Generation (RAG) come criterio volto a migliorare il controllo, la coerenza e l’affidabilità delle informazioni generate.
2025
RELIABILITY AND STABILITY OF LARGE LANGUAGE MODELS IN HEALTHCARE: ANALYSIS OF THE CHINESE CASE STUDY
LLM
RAG
File in questo prodotto:
File Dimensione Formato  
SPORTELLI_tesi.pdf

File consultabile da postazioni biblioteca

Descrizione: Versione definitiva dell'elaborato di tesi.
Dimensione 5.78 MB
Formato Adobe PDF
5.78 MB Adobe PDF

I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.14253/110707