解码放射学报告:人工智能-大型语言模型可以提高手和手腕的可读性 骨科放射学报告

科学领域:

• 放射学 放射学是一门学科.
• 医疗信息学 医疗信息学
• 人工智能的人工智能

背景情况:

• 放射学报告通常包含复杂的医学术语,妨碍患者的理解.
• 改善患者对诊断成像结果的理解对于明智的医疗保健决策至关重要.

研究的目的:

• 评估人工智能大语言模型 (AI-LLM) 在简化手和手腕放射学报告中的有效性.
• 评估AI-LLM对这些报告的可读性和准确性的影响,以帮助患者理解.

主要方法:

• 提取了300份手和手腕放射学报告 (放射图,CT,MRI).
• 使用一个AI-LLM与提示将报告翻译成普通人的术语.
• 计算的Flesch阅读易度得分 (FRES) 和Flesch-Kincaid阅读水平 (FKRL) 对于原始和人工智能生成的报告.
• 评估AI报告准确度使用利克特级,并记录了"幻觉".

主要成果:

• 在所有报告类型中,AI-LLM显著提高了FRES和FKRL的得分.
• 人工智能生成的报告实现了平均阅读水平低于八年级水平.
• 平均利卡特准确度得分很高 (X射线:4.1,CT:3.9,MRI:3.9),幻觉率很低 (3-6%).

结论:

• AI-LLM技术有效地提高了手和手腕放射学报告的可读性.
• AI-LLM提出了一个以患者为中心的策略,以改善对成像发现的理解.
• 这项技术有望为更容易获得和更容易理解的医疗报告提供希望.