顔面整形手術の患者教育における大規模な言語モデルの評価: 標準化されたプロトコル
Yousef Tanas1, Grace Gasper2, Keyvon Rashidi2
1Institute for Reconstructive Surgery, Houston Methodist Hospital, Weill Cornell Medical College, Houston, Texas.
International journal of surgery protocols
|August 27, 2025
まとめ
この研究では,顔面整形手術の患者教育のための大規模な言語モデル (LLM) を評価しています. 発見はAIの信頼性を評価し 整形外科における安全で効果的なコミュニケーションの改善を導くでしょう
科学分野:
- 医療における人工知能
- 医療情報工学
- 整形 術
背景:
- 大規模言語モデル (LLM) は,医療における患者教育や医療上の問い合わせのためにますます利用されています.
- LLMによって生成された健康情報の正確性,明確性,公正性は,徹底的な調査を必要とします.
- 顔面の整形外科手術などの専門医療分野におけるLLMの信頼性については不確実性があります.
研究 の 目的:
- 顔の整形外科手術に関する一般的な患者の質問に対する様々な大型言語モデル (LLM) の応答の質を評価する.
- LLMで生成されたコンテンツの信頼性と臨床的適用性を患者調査の文脈で評価する.
- 整形外科のAI駆動型患者教育ツールの改善を図る
主な方法:
- 顔面整形手術に関する 60の患者向け質問が専門団体や サポートグループや ソーシャルメディアから集められました
- 7つの主要なLLMは6つの主要なトピックに分類された質問でテストされました: 基礎,手術前,手順,リスク,回復,その他.
- 回答は10人の認定整形外科医によって 精度,明確性,完全性,適切性について評価され 評価者間の信頼性が測定されました
主要な成果:
- (結果はまだ得られていない - 進行中の研究)
- (結果はまだ得られていない - 進行中の研究)
- (結果はまだ得られていない - 進行中の研究)
結論:
- 顔の整形外科手術に関する患者の問い合わせに対するLLMの回答を体系的に評価することで,重要な洞察が得られます.
- 研究結果は,安全性と有効性を高めるために,LLMベースの患者教育ツールの改良を促すでしょう.
- この研究は 整形外科の患者ケアにおいて 信頼性の高い公正な AI 支援通信を確保することを目的としています


