臨床推論における人間とAIのコラボレーションの成功と失敗: 挑戦的な現実世界のケースに関する実験的研究

科学分野:

• オフタルモロジック (眼科)
• 人工知能 (AI) とは,人工知能 (AI) のことです.
• 臨床的意思決定 臨床的意思決定

背景:

• 大型言語モデル (LLM) を使用した対話型ヒューマン-AIコラボレーション (HAC) は,臨床推論の強化に有望であることが示されています.
• 複雑で専門的な臨床シナリオでの有効性は,さらなる調査を必要とする.

研究 の 目的:

• 眼科の困難な症例におけるHACの有効性を評価する.
• HACの成功や失敗に寄与する要因を分析する.

主な方法:

• 30件の挑戦的な眼科症例を含むクロスオーバー研究.
• 参加者 (眼科医,レジデント,医学生) は,独立して,クロード-3.5-ソネット (HAC) との共同作業を行いました.
• 業績の正確性,自信,認知の負担を評価し,LLMの相互作用パターンを分析しました.

主要な成果:

• HACは平均精度 (0.45〜0.60) を大幅に改善し,認知の負担を軽減しながら自信を高めました.
• LLMの行動の適切性は,成功したHAC (F1=0.92) と失敗したHAC (F1=0.29) で高かった.
• 精度向上は,人間だけの精度>47%のタスクでは顕著でしたが,精度<30%のタスクではそうではありませんでした.

結論:

• HACは,複雑な眼科の意思決定に利点を提供します.
• 人間,モデル,およびタスク固有の要因による制限が存在します.
• 臨床環境でのHACを最適化するには,さらなる改善が必要である.