通过人工智能模型在不同的语言环境中查/诊断儿科内分泌疾病

科学领域:

• 人工智能在医学中的应用
• 儿科内分泌学 儿科内分泌学
• 医学诊断 医学诊断 医学诊断

背景情况:

• 像ChatGPT这样的大型语言模型显示出增强临床实践的希望,但它们在特定医疗领域的可靠性尚未完全理解.
• 这项研究评估了ChatGPT在查和诊断常见儿科内分泌和代谢疾病方面的表现.

研究的目的:

• 评估ChatGPT对有关儿科内分泌和代谢疾病问题的答案的准确性和适当性.
• 为了比较ChatGPT在英语和中文语言模式中的性能.
• 确定影响ChatGPT在临床场景中的有效性的因素.

主要方法:

• 对四种常见的儿科内分泌和代谢疾病进行了40个问题的调查,用英语和中文进行了ChatGPT.
• 六名儿科内分泌学家审查和评估了ChatGPT的反应.
• 基于语言模式,目标受众和特定疾病,分析了表现.

主要成果:

• 与中文 (27.5%) 相比,英语 (7.5%) 的 ChatGPT 的不可靠性率较低.
• 在英语中,答案更全面,更令人满意.
• 性能因用户群和疾病而异,临床医生提出的英语问题和关于糖尿病和肥胖的中文问题得到更好的结果.

结论:

• 在儿科内分泌和代谢条件下ChatGPT的性能是语言依赖的,偏爱英语.
• 尽管目前在理解和数据准确性方面存在局限性,但ChatGPT作为临床诊断工具具有巨大的潜力.
• 持续开发可能会提高其在医疗环境中的实用性.