从技术到可理解:人工智能大型语言模型提高了膝盖放射学报告的可读性

科学领域:

• 放射学 放射学是一门学科.
• 人工智能的人工智能
• 医疗信息学 医疗信息学

背景情况:

• 患者对医疗报告的理解对于知情决策至关重要.
• 放射学报告通常包含技术术语,这对患者的理解构成了挑战.
• 人工智能大语言模型 (AI-LLM) 为简化复杂的医疗信息提供了潜在的解决方案.

研究的目的:

• 评估AI-LLM在提高膝盖放射学报告可读性方面的有效性.
• 使用标准化可读性指标量化报告清晰度的改进.

主要方法:

• 使用AI-LLM处理了100个膝盖X射线,100个CT和100个MRI报告,并提供了一个特定的患者友好的解释提示.
• 对于原始和AI-LLM生成的报告,计算了Flesch-Kincaid阅读水平 (FKRL) 和Flesch阅读易度 (FRE) 评分.
• 记录了AI-LLM的"幻觉" (不准确的信息).

主要成果:

• 在所有膝盖成像模式 (X射线,CT,MRI) 中,AI-LLM显著降低了FKRL得分,增加了FRE得分.
• 与CT和MRI报告相比,X射线报告显示出优异的可读性改进.
• 幻觉发生率很低,X射线记录为2%,CT和MRI记录为5%.

结论:

• AI-LLM在使膝关节放射学报告更加以患者为中心和易于理解方面表现有前途.
• 改善患者的理解可以赋予患者权力,并可能减少医生的工作负担.
• 医生监督对于解决人工智能产生的不准确性和确保全面的患者沟通至关重要.