[Aplicación de grandes modelos de lenguaje en la educación sanitaria para pacientes con cataratas pediátricas]

Área de la Ciencia:

• Oftalmología Oftalmología.
• La inteligencia artificial es inteligencia artificial.
• Informática de la salud Informática de la salud.

Sus antecedentes:

• La catarata pediátrica requiere una intervención oportuna para prevenir la pérdida de la visión.
• El conocimiento de la salud de los padres y la autogestión son cruciales para la adherencia al tratamiento.
• La IA ofrece el potencial para los recursos de información de salud accesibles.

Objetivo del estudio:

• Evaluar los modelos de lenguaje grande (LLM) de código abierto domésticos para la precisión, la integridad y la repetibilidad.
• Evaluar el potencial de los LLMs como herramientas de información de salud en línea para pacientes pediátricos con cataratas.
• Compara el rendimiento de Kimi chat, Doubao, ERNIE Bot 3.5 y DeepSeek.

Principales métodos:

• Recopilamos y categorizamos 40 preguntas de alta atención sobre cataratas pediátricas.
• Los expertos proporcionaron respuestas de referencia manuales.
• Cuatro LLM nacionales fueron probados con consultas repetidas, incluidas las solicitudes de funciones.
• Los especialistas en cataratas calificaron ciegamente las respuestas de LLM para la precisión, la integridad y la reproducibilidad.

Principales resultados:

• Kimi chat superó a otros LLM en precisión, integridad y repetibilidad.
• Las respuestas de LLM fueron generalmente precisas (83,8%) y completas (77,9%).
• Las respuestas de chat de Kimi fueron preferidas por los evaluadores, aunque se notaron algunos problemas como la redundancia.

Conclusiones:

• Los LLM domésticos, en particular Kimi chat, muestran potencial para la educación de la salud de la catarata pediátrica.
• Los desafíos clave incluyen seguridad de la información, alucinación y sesgo.
• Los LLM son valiosos complementos para los médicos, no sustitutos, para la atención médica personalizada.