探索人工智能模型在急救部门的分类中的潜力

科学领域:

• 紧急医疗 紧急医疗
• 人工智能的人工智能
• 临床分类是临床分类.

背景情况:

• 三级选协议对于优先考虑急诊室 (ED) 患者至关重要.
• 人工智能 (AI) 模型越来越多地融入到日常生活的各个方面,这促使人们对它们的临床实用性进行评估.

研究的目的:

• 为了比较分析ChatGPT,Gemini和Pi AI模型与护士和急诊医生对人类分拣的准确性.
• 在ED环境中评估AI在三级选协议中的性能.

主要方法:

• 在一周内对500名在第三级护理医院ED患者进行前性研究.
• 收集的患者数据包括主要的投诉,生命体征 (血压,心率,氧和,温度),年龄和性别.
• 护士,人工智能聊天机器人和急诊医生分配的分类类别进行了比较.

主要成果:

• 只有23.8%的患者在所有评估者 (护士,医生,AI) 中都获得了相同的分类分类.
• 与急诊医生相比,分组护士的过量和不足分组率更高.
• 聊天GPT显示出与医生最接近的分类近似,但显示出显著的不足率 (26.5%为黄色,42.6%为红色代码).

结论:

• 人工智能模型显示了相当高的低率,特别是在高急性患者中.
• 目前的人工智能模型的可靠性不足,无法在急诊室分类中独立使用.
• 在AI可以安全地用于临床分拣决策之前,需要进一步的研究和开发.