大型言語モデルによる正確な差分診断へ

科学分野:

• 医療における人工知能
• 臨床的意思決定支援システム
• 医療診断

背景:

• 臨床データの複雑な解釈を伴う差異診断は,患者ケアにとって極めて重要です.
• 大型言語モデル (LLM) は,診断推論を自動化し,支援する可能性を秘めています.
• 検索エンジンなどの既存のツールは情報を提供しますが,診断プロセスを最適化することはできません.

研究 の 目的:

• 診断推論に最適化されたLLMである Articulate Medical Intelligence Explorer (AMIE) を導入し評価する.
• AMIEの単独診断能力を評価する.
• 医療従事者のための標準的なリソースや検索エンジンと比較して,AMIEの有効性を比較する.

主な方法:

• 20人の臨床医が 302件の医療上の問題を 公開された報告から評価しました
• 臨床医は 補助器具の有無で 差異診断を行いました
• 補助条件には,検索エンジン/標準リソース,またはAMIE+標準リソースが含まれています.

主要な成果:

• AMIEの単独の性能は,無助の臨床医の精度を上回りました (59. 1% vs 33. 6%).
• AMIEを活用した臨床医は,AMIEを活用していない患者 (36.1%) や検索エンジンを活用している患者 (44.4%) と比べて,差異診断の質のスコアが高くなった.
• AMIEで支援された臨床医は,より包括的な差異診断リストを作成しました.

結論:

• AMIEは,複雑な医療症例における診断推論と精度を大幅に改善する可能性を証明しています.
• LLMは臨床医のための貴重な補助ツールとして有望です.
• AMIEの医師の能力と患者の専門知識へのアクセスを強化する能力を確認するために,さらに現実の世界での評価は正当化されています.