在牛皮中应用自然语言处理人工智能工具:在患者数据中识别受影响区域的横截面比较研究
Jonathan Shapiro1, Sharon Baum2, Felix Pavlotzky2
1Maccabi Healthcare Services, Dermatology Department, Tel Aviv-Yafo, Israel.
Clinics in dermatology
|June 23, 2024
概括
人工智能,特别是ChatGPT-4,在分析电子医疗记录以识别牛皮受影响的身体区域,包括指甲和关节方面表现出高准确度,有助于疾病研究.
科学领域:
- 皮肤病学 皮肤病学
- 医疗信息学 医疗信息学
- 人工智能的人工智能
背景情况:
- 牛皮影响全球3%的人口,需要评估身体表面积,指甲和关节.
- 电子病历 (EMR) 包含用于疾病分类和研究的宝贵数据.
- 自然语言处理 (NLP) 在从非结构化EMR数据中提取信息方面表现有前途.
研究的目的:
- 评估ChatGPT-4在分析牛皮患者非结构化EMR数据中的性能.
- 评估ChatGPT-4在识别牛皮受影响的身体区域 (包括指甲和关节) 的准确性.
主要方法:
- 使用ChatGPT-4分析了94名牛皮患者 (2008-2022) 的EMR数据.
- 聊天GPT-4确定并报告受影响的身体区域.
- 人工智能的发现与高级皮肤科医生的评估进行了比较.
主要成果:
- 聊天GPT-4精确识别了皮肤病学家识别的92.8%的牛皮受影响的身体区域.
- 人工智能正确识别了32个指甲病例中的29个和25个关节病例中的24个.
- 在57.4%的案例中实现了完全准确性,更复杂的数据导致更多的错误.
结论:
- 聊天GPT-4在分析复杂的非结构化EMR数据中表现出高性能.
- 像ChatGPT-4这样的NLP算法具有显著的潜力,可以改善EMR数据分析,用于临床后续和研究.
- 人工智能辅助分析可以提高临床实践中疾病评估的效率和准确性.
