患者の質問の分類における人工知能:距離半径骨折のための大規模な言語モデルの評価

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
• 医療における自然言語処理

背景:

• 大規模な言語モデル (LLM) は臨床的意思決定支援の可能性を秘めていますが,厳格な検証が必要です.
• この研究では,知識とインテリジェンスメッセージングインターフェース (KIMI),リトリーバルの拡張生成と特定の臨床ガイドラインで強化されたLLMを評価しました.
• KIMIは,遠半径骨折の管理のためのアメリカ整形外科医アカデミーガイドラインで構成されました.

研究 の 目的:

• 偏半径骨折の精度分類におけるKIMIの有効性を評価する.
• KIMIの適切な患者対応の能力を評価する.
• LLMによって生成された臨床情報の安全性と信頼性を保証する.

主な方法:

• 遠半径骨折に関する 100 件の模擬患者の問い合わせを分析した.
• 4人の臨床専門家は,ガイドラインの一致性,安全性,明確性,鋭敏性について,KIMIの反応を独立して評価した.
• 統計分析にはベイジアン混合効果とオーダーロジスティック回帰モデルを使用した.

主要な成果:

• KIMIの回答は,安全性94. 2%,ガイドライン一致性88. 7%,明確性93. 7%という高い評価を得ました.
• 専門家とLLMが割り当てた鋭度との合意は62.9%で,外科的なクエリは安全性と鋭度との合意がわずかに高かった.
• LLMによる鋭敏度は,専門家による鋭敏度 (OR=2. 66) と有意に関連していた.

結論:

• 知識とインテリジェンスメッセージングインターフェース (KIMI) は安全で,臨床的に一致し,明確なコミュニケーションを示しました.
• これらの発見は,低リスクから中等リスクのケアコーディネーションにおける患者の関与のための強化されたLLMの使用の実現可能性を支持しています.
• 整形外科での非同期的な患者のコミュニケーションに 有望な成果をあげています