大規模な言語モデルを,オルソケラトロジーの最初の試験レンズパラメータの選択における補助的なツールとして評価する

科学分野:

• オプトメトリーと視力科学
• 医療における人工知能
• オフタルモロジック (眼科)

背景:

• オルトケラトロジーは近視のコントロールの重要な方法である.
• 大規模言語モデル (LLM) は,臨床環境における潜在的なツールとして浮上しています.
• オルトケロロジーのような専門的なワークフローでLLMを評価することは非常に重要です.

研究 の 目的:

• 近視制御のためのオルトケラトロジーのフィッティングプロセスにおける補助ツールとしてのLarge Language Models (LLMs) の有効性を評価する.
• 屈折誤差のケースを分析し,最初の試験レンズのパラメータを推奨する際の異なるLLMのパフォーマンスを比較する.

主な方法:

• 4つのLLM (GPT-4o,GPT-o3,GPT-4.1,クラウド3.7ソネット) を含む遡及分析である.
• LLMは,最初の試験レンズのパラメータを提案するために,屈折誤差のケースを分析しました.
• 主観的な (正確さ,品質) および客観的な (パラメータの違い) 評価が行われました.

主要な成果:

• 性能はLLMによって異なるが,GPT-o3とGPT-4oは全体的に優れた品質と精度を示した.
• 最初の試験のレンズパラメータの可行性エラーは,修正ラウンドで減少しました.
• LLMの出力は,特定のパラメータ,特にベースカーブ半径 (BC) とバック光学ゾーン直径 (RZD) の曲率半径に対するバイアスを示した.

結論:

• LLMは,矯正器科のフィッティングに関する日常的な意思決定に潜在的に役立つ可能性があります.
• 臨床医の監督と検証は,最初の試験のレンズパラメータの選択に引き続き重要です.
• LLMの勧告,特にBCとRZDの体系的なバイアスは,慎重に検討する必要があります.