生成型大语言模型与同行患者的答案质量,用于解释实验室测试结果的客户:评估研究
Zhe He1, Balu Bhasuran1, Qiao Jin2
1School of Information, Florida State University, Tallahassee, Florida, USA.
ArXiv
|March 26, 2024
概括
大型语言模型 (LLM) 可以回答患者关于实验室结果的问题. 与其他LLM和人类答案相比,GPT-4显示了最准确,有用,相关和安全的响应.
科学领域:
- 医疗信息学医学信息学
- 医疗保健中的人工智能
背景情况:
- 患者对电子健康记录和实验室结果的访问正在增加.
- 患者经常发现实验室结果令人困惑,并在网上寻求同行建议.
- 来自社交网站问答网站的信息质量和可靠性差异很大.
结论:
- 与其他LLM和人类答案相比,GPT-4在相关性,正确性,帮助性和安全性方面表现优越.
- 法学学士学位的答案可能缺乏医学上下文的解释,包含不准确性,或省略引用.
- 像快速工程和检索增强生成这样的增强方法可以提高LLM响应质量.


