在紧急塑性手术决策中对大型语言模型的比较分析:体检数据的作用

科学领域:

• 医疗人工智能 医疗人工智能
• 临床决策支持系统 临床决策支持系统
• 整形和重建手术 整形和重建手术

背景情况:

• 诊断错误是美国医疗保健的一个重大问题,源于复杂的病例和分散的护理.
• 不充分的初始患者评估经常导致诊断不准确.
• 塑性和重建性外科手术中的紧急决策提出了独特的挑战.

研究的目的:

• 评估大型语言模型 (LLM) 在紧急整形手术场景中的诊断和管理能力.
• 为了比较OpenAI的ChatGPT-4和Google Gemini在协助临床决策方面的表现.
• 评估体检数据对这些紧急环境中的LLM绩效的影响.

主要方法:

• 使用了30张详细介绍紧急情况 (如骨折,神经损伤) 的医学图片.
• 来自ChatGPT-4和Google Gemini的回复被分析,包括和没有体检数据.
• 医疗专业人员根据临床指南评估了LLM输出,使用统计分析 (Wilcoxon排行和值测试).

主要成果:

• 在诊断准确性和管理建议方面,ChatGPT-4的表现始终优于Google Gemini.
• 包括体检数据并没有导致每个模型的性能在统计学上显著改善.
• 虽然LLM的答案详细地提供了物理数据,但在整体有效性方面并没有明显超过传统医疗资源.

结论:

• 与谷歌双子相比,ChatGPT-4在紧急整形手术决策支持方面表现出更高的准确性和有效性.
• 在临床决策中,LLM可以作为有价值的辅助工具,尤其是在数据有限的情况下.
• 人工智能工具应该补充,而不是取代全面的临床评估和专家医疗判断.