人工智能大型语言模型是难以差异诊断的可靠工具吗? 对一个特殊的死性外耳炎病例进行后期分析
Giorgia Pugliese1,2, Alberto Maccari1,2, Elena Felisati1,2
1Otolaryngology Unit Santi Paolo e Carlo Hospital Milan Italy.
Clinical case reports
|September 22, 2023
概括
外耳垂死性耳炎 (NOE) 的诊断可能具有挑战性. 本案例报告测试了大型语言模型 (LLM) 关于它们在NOE难以进行差异诊断方面的能力.
科学领域:
- 耳鼻喉科 耳鼻喉科 耳鼻喉科
- 传染性疾病 传染性疾病
- 人工智能在医学中的应用
背景情况:
- 外耳垂死 (NOE) 是一种严重的感染,可以涉及骨底部.
- 诊断挑战来自模仿瘤病变的非典型表现.
- 早期和准确的诊断对于有效的治疗和患者的结果至关重要.
研究的目的:
- 介绍一个具有挑战性的NOE案例,其中骨底部受到影响.
- 在复杂的差异诊断中评估大型语言模型 (LLM) 的诊断能力.
- 评估人工智能在识别罕见和难以诊断的疾病方面的实用性.
主要方法:
- 一个78岁的患者病例报告被追溯分析,怀疑患有鼻瘤.
- 为差异诊断提供了对ChatGPT-3和ChatGPT-4的临床和成像数据.
- 通过从骨和皮肤活检中获得的细菌培养物 (Pseudomonas aeruginosa) 确认了NOE的诊断.
主要成果:
- 最初的评估表明瘤病变,延迟了NOE的正确诊断.
- 对LLM进行了测试,以测试其分析客观临床和成像数据以进行差异诊断的能力.
- 患者接受了向抗生素治疗,导致疾病完全消失.
结论:
- 骨底部侵蚀的NOE带来了重大的诊断挑战.
- 虽然LLM在协助差异诊断方面具有潜力,但其在复杂病例中的当前局限性需要进一步调查.
- 这一案例凸显了即使在复杂的呈现中考虑感染病因的重要性,以及人工智能在医学诊断中的不断变化的作用.
