人工智能聊天机器人的性能在解释压力损伤的临床图像
Makoto Shiraishi1, Koji Kanayama1, Daichi Kurita1
1Department of Plastic and Reconstructive Surgery, The University of Tokyo Hospital, Tokyo, Japan.
概括
GPT-4 Turbo精确地从图像中分阶段压力损伤,达到83%的准确性. 这种人工智能工具在临床图像解释中显示出巨大的潜力,用于压力损伤管理.
科学领域:
- 医学成像分析 医学成像分析
- 医疗保健中的人工智能
- 临床诊断 临床诊断 临床诊断
背景情况:
- 压力损伤带来了重大的临床挑战,需要准确的分期才能有效管理.
- 目前的诊断方法依赖于专家对临床图像的解释,这可能是主观的.
研究的目的:
- 用临床图像评估公开可用的AI聊天机器人在压力损伤阶段化中的准确性.
- 为了比较不同AI模型的性能,特别是GPT-4 Turbo和BingAI Creative模式.
主要方法:
- 进行了一项横截面研究.
- 评估了五个领先的AI聊天机器人,以评估它们对压力损伤的临床图像的解释能力.
- 绩效是根据国家压力伤害咨询小组 (NPIAP) 的分期标准进行评估的.
主要成果:
- 在5个聊天机器人中,有3个无法解释临床图像.
- GPT-4 Turbo在分阶段压力损伤方面表现出高准确度 (83.0%).
- GPT-4 Turbo显著优于BingAI创意模式 (24.0%) (p < 0.001),准确识别了第一,第三,第四阶段和疑似深层组织损伤.
结论:
- 人工智能聊天机器人,特别是GPT-4 Turbo,显示出通过图像解释精确压力损伤分期的巨大潜力.
- 这些发现表明,人工智能可以作为一个有价值的工具来支持临床医生诊断和管理压力损伤.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
09:16Multi-Modal Signals for Analyzing Pain Responses to Thermal and Electrical Stimuli
Published on: April 5, 2019
10.7K
