リトリーバルの強化されたLLMエージェントによる脊椎外科手術のための説明可能で証拠に結びついた推奨事項

科学分野:

• 医療における人工知能
• 脊椎外科手術の決定支援について
• クリニカル・インフォマティックス

背景:

• 脊髄疾患の臨床的意思決定には,イメージング,神経学的状態,骨の整合性,患者の目標の統合が必要です.
• 大型言語モデル (LLM) は,インテリジェントな意思決定支援の可能性を秘めているが,信頼性と解釈性について厳格な評価が必要である.

研究 の 目的:

• 脊髄疾患の意思決定支援のための新しいリトレイヴル・アグメンテッド・ジェネレーション (RAG) ベースのフレームワークを提案し評価する.
• このフレームワーク内で4つの高度なLLMエージェント (Gemini 2.5 Flash,DeepSeek,GPT-4o,GPT-4o-mini) のパフォーマンスを体系的に比較する.

主な方法:

• RAGのフレームワークが開発され,ドメイン特有のプロンプト,構造化された応答,証拠追跡が組み込まれました.
• 診断,治療,フォローアップのタスクを評価するために,200の現実の脊髄症例が使用されました.
• 5人の脊髄外科医は,グループ間の差異の統計的分析を伴う11次元ラブリックを使用して,LLMの出力を評価しました.

主要な成果:

• Gemini 2.5 Flashは,他のモデルを大幅に上回る最高得点を達成しました.
• DeepSeekは,差異診断の完全性において優れたパフォーマンスを示しました.
• 脊椎特異的な臨床推論において,モデル間での大幅な変動が観察されました.

結論:

• Gemini 2.5 FlashとDeepSeekは,脊椎の意思決定支援のための優れた臨床的正確性,包括性,および使いやすさを示しました.
• ドメインに適応したRAG剤は,根拠に基づいた脊髄ケアを強化する有望な効果を示しています.
• 将来の研究では,マルチモダルのデータ統合と将来的な臨床検証を考察すべきである.