大型语言模型在患者投诉解决中的表现:基于Web的跨部门调查
Lorraine Pei Xian Yong1,2,3, Joshua Yi Min Tung4, Zi Yao Lee1,2,3
1Emergency Medicine Department, National University Hospital, National University Health System, Singapore, Singapore.
Journal of medical Internet research
|August 9, 2024
概括
大型语言模型 (LLM) 显著改善了患者的投诉响应,与人类生成的回复相比,显示出更高的适当性,同情心和满意度. 这项技术为提高医疗机构的患者护理和效率提供了一个有前途的解决方案.
科学领域:
- 医疗保健中的人工智能
- 自然语言处理自然语言处理.
- 患者体验研究 研究研究
背景情况:
- 患者投诉对全球医疗机构来说是一个持续的挑战,需要大量的资源.
- 尽管有努力,但患者不满仍然很高,这表明需要改进投诉解决策略.
- 大型语言模型 (LLM) 在医疗保健中显示出产生详细和同情的反应的潜力.
研究的目的:
- 评估LLM在第三级医疗保健机构处理患者投诉方面的表现.
- 确定LLM生成的响应是否可以提高患者满意度并减少投诉响应时间.
主要方法:
- 匿名的患者投诉电子邮件和人类回复从患者关系部门收集.
- 聊天GPT-4.0生成了对相同投诉电子邮件的回复.
- 受访者通过使用10点的利克特等级来对人类和ChatGPT的响应进行评分,以适当性,完整性,同情心和满意度等级.
主要成果:
- 大多数受访者 (87.2%97.3%) 喜欢采用ChatGPT生成的回复.
- 聊天GPT响应在所有评估项目中获得了较高的评分 (中位数为8) 与人类响应 (中位数为4-5) 相比.
- 在LLM的回答中,字数较多,这与得分更高相关,尽管ChatGPT的高分数无论长度如何都是一致的.
结论:
- 与人类反应相比,LLM,特别是ChatGPT,在解决患者投诉方面表现出更高的有效性.
- 该研究支持使用LLM来提高响应适当性,同情心,质量和整体患者满意度.
- 未来的研究应该探索人工智能对节省时间,成本效益和减少医疗保健系统压力的影响.
关键词:
聊天GPT 聊天 在GPT 聊天人工智能的人工智能是人工智能.效率 效率 效率 效率 效率 效率 效率同理心同理心同情心医疗保健 投诉 投诉大型语言模型.患者的投诉 患者的投诉患者的满意度 患者的满意度资源分配的资源分配.更多相关视频
08:05Measuring Statistical Learning Across Modalities and Domains in School-Aged Children Via an Online Platform and Neuroimaging Techniques
Published on: June 30, 2020
7.5K
06:28E-Patient Counseling Trial E-PACO: Computer Based Education versus Nurse Counseling for Patients to Prepare for Colonoscopy
Published on: August 1, 2019
8.3K
