手术中的人工智能:在手部受伤的分类和管理中评估大型语言模型

科学领域:

• 医学中的人工智能.
• 医疗决策支持系统
• 手术手术应用程序 手术应用程序

背景情况:

• 像ChatGPT和Gemini这样的大型语言模型 (LLM) 提供了在手术中增强医疗决策的潜力.
• 在专门的外科领域整合和评估这些先进的AI工具至关重要.

研究的目的:

• 评估ChatGPT-4和谷歌双子座在分类手部受伤方面的表现.
• 评估这些LLM在推适当治疗途径 (手术与非手术) 的有效性.

主要方法:

• 两个LLM,双子座和ChatGPT,呈现了68个虚构的手伤临床图片.
• 模型的任务是应用特定的分类系统并推治疗,使用统计测试和灵敏度分析分析性能.

主要成果:

• 与ChatGPT相比,双子座在分类手部受伤方面表现出更高的准确性 (70.6%),平均得分为1.46比0.87,p<0.001).
• 聊天GPT对外科推的敏感度更高 (98.0%与88.8%相比),而双子座的特异性更高 (94.7%与68.4%相比).
• 双子座也显示了比ChatGPT更好的响应一致性.

结论:

• 作为手术医疗决策的辅助工具,LLM显著有前途.
• 双子座在分类准确性和响应可靠性方面普遍优于ChatGPT.
• 了解每个AI模型的独特优缺点对于有效的临床整合至关重要.