提高诊断支持的奇亚里形和神经膜炎:一个比较研究的上下文化聊天GPT模型
Ethan D L Brown1, Max Ward1, Apratim Maity1
1Department of Neurologic Surgery, Donald and Barbara Zucker School of Medicine at Hofstra/Northwell, New York, USA.
World neurosurgery
|June 3, 2024
概括
像ChatGPT这样的大型语言模型的上下文化显著提高了它们在诊断和管理Chiari形和Syringomyelia的准确性. 这种增强为神经外科人工智能应用提供了新的可能性.
科学领域:
- 神经外科 神经外科
- 人工智能的人工智能
- 医疗信息学 医疗信息学
背景情况:
- 大型语言模型 (LLM) 在医学中越来越多地被采用.
- 它们在神经外科的应用需要对临床效用进行评估.
- 奇阿里形和神经膜炎是复杂的神经系统疾病.
研究的目的:
- 评估不同的上下文化策略如何影响ChatGPT对Chiari形和Syringomyelia的诊断和管理建议.
- 为了比较本地和上下文GPT-4模型的性能与专家的共识.
主要方法:
- 在GPT-4模型中,从2022年Chiari和Syringomyelia联盟国际共识文件中提出了问题.
- 答案被评估为及时遵守,同意共识,医疗建议建议和补充信息.
- 分析了可读性得分 (Flesch-Kincaid,SMOG,Gunning-Fog) 和单词数量,并进行了分析.
主要成果:
- 与原生GPT-4相比,上下文化GPT模型显示与共识陈述的一致性明显更高.
- PDF+Prompting和Prompting模型实现了最高的协议率 (分别为19/24和23/24).
- 语境化模型表现出更好的可读性,字数较少和Flesch-Kincaid分数.
结论:
- 语境化在神经外科环境中提高了LLM的表现,特别是在诸如Chiari形和Syringomyelia等疾病中.
- 这项研究表明,在神经外科手术中提高LLM准确性和可访问性的潜力.
- 这些发现支持人工智能在神经外科诊断和管理中的更广泛应用.
