大型语言模型 (LLM) 在提供面创伤病例分组中的作用:初步研究
Andrea Frosolini1, Lisa Catarzi1, Simone Benedetti1
1Maxillofacial Surgery Unit, Department of Medical Biotechnologies, University of Siena, 53100 Siena, Italy.
Diagnostics (Basel, Switzerland)
|April 26, 2024
概括
大型语言模型 (LLM) 显示出在协助面创伤分拣方面的潜力,与专家中心相比,在诊断和治疗建议方面存在中等一致. 需要进一步的研究来优化它们的临床应用.
科学领域:
- 面外科手术 面外科手术
- 人工智能在医学中的应用
- 医疗信息学 医疗信息学
背景情况:
- 将大型语言模型 (LLM) 等先进技术集成到面外科手术中是一个新兴的领域.
- 在这一专业中,LLM用于创伤分类的应用在很大程度上仍未被探索.
- 这项研究调查了使用LLM用于分类复杂的面创伤病例的可行性.
研究的目的:
- 评估LLM在对面创伤进行分类方面的表现.
- 为了比较LLM选建议与第三级推中心的既定专业知识.
主要方法:
- 进行了对来自第三级推中心的10名面创伤患者记录的回顾性审查.
- 详细介绍患者数据的标准提示被用于查询ChatGPT 4.0和谷歌GEMINI.
- 根据中心的建议以及通过QAMAI和AIPI问卷来评估AI的表现.
主要成果:
- 在LLM和中心对检查和治疗计划的建议之间观察到适度的协议.
- 谷歌GEMINI在诊断中显示出更高的准确性 (p=0.032),而ChatGPT 4.0提供了更相关的建议 (p=0.021).
- 在QAMAI和AIPI问卷分数之间发现了显著的相关性 (rho=0.767,p=0.010).
结论:
- 在面创伤中,LLM显示出作为帮助临床决策的工具的潜力.
- 需要进一步的研究来完善临床环境中的LLM应用.
- 在面外科手术中,LLM可能会提高创伤选的效率和准确性.
