基于角膜雾风险增加的LASIK与PRK:评估六个人工智能模型在折射手术中的当前决策能力

科学领域:

• 眼科医生 眼科 眼科
• 人工智能的人工智能
• 医疗决策的制定 医疗决策的制定

背景情况:

• 折射手术,包括激光 in-situ keratomileusis (LASIK) 和光折射角膜切除术 (PRK),是视力校正的常见程序.
• 患者病史,如化形成,可以影响外科推,因为潜在的风险,如角膜雾.
• 人工智能 (AI) 在医疗决策中的整合正在迅速发展.

研究的目的:

• 评估六个领先的人工智能模型在推折射手术 (LASIK与PRK) 的决策能力.
• 评估人工智能模型考虑患者特异性风险因素的能力,特别是发生化形成的病史.
• 将人工智能生成的手术建议与经验丰富的眼科医生的建议进行比较.

主要方法:

• 六个人工智能模型 (Claude-2,GPT-4,GPT-3.5,Gemini 1.0,Microsoft Copilot,Google-PaLM) 被询问了一个理论患者的折射手术问题.
• 患者的个人资料包括近视的增加 (-3.50到 -7.00 D) 和有过 keloid 形成的病史.
• 人工智能建议与六名眼科医生的建议进行了比较,并检查了引用的参考资料的真实性.

主要成果:

• 眼科医生一致推LASIK,而AI模型一致推PRK.
• 人工智能模型提供的参考文献中有很大一部分 (55%) 是虚构的.
• 只有一个人工智能模型在出现近视严重程度增加的同时与 keloid 病史相结合时调整了其建议.

结论:

• 当前的人工智能模型表明,在折射手术中的临床风险评估中,批判性思维存在局限性.
• 人工智能无法准确衡量诸如状腺史和近视严重程度等因素,这凸显了它在患者特定护理方面的应用缺陷.
• 需要进一步开发,以提高AI在医学诊断和治疗规划中的临床推理和可靠性.