相关实验视频
Updated: Jun 6, 2025
07:30
3D Printing Model of a Patient's Specific Lumbar Vertebra
Published on: April 14, 2023
1.8K
大型语言模型和脊柱外科医生在手术决策和脊柱病理的放射性评估中的比较分析
Ahmad K Almekkawi1, James P Caruso2, Soummitra Anand2
1Saint Luke's Marion Bloch Neuroscience Institute Department of Neurosurgery, Kansas City, Missouri, USA.
World neurosurgery
|December 2, 2024
概括
大型语言模型 (LLM) 在脊柱手术中显示出潜力,但与外科医生相比,在患者特异性和治疗准确性方面存在困难. 为了可靠的临床整合,需要进一步开发人工智能.
科学领域:
- 脊柱外科手术 脊柱外科手术
- 人工智能的人工智能
- 医学成像分析 医学成像分析
背景情况:
- 大型语言模型 (LLM) 越来越多地被用于医学应用.
- 它们在脊柱手术等专业领域的准确性需要彻底评估.
研究的目的:
- 为了比较LLMs (ChatGPT,Claude) 与脊柱外科医生在手术决策和脊柱病理的放射性评估中的准确性.
- 为了确定临床脊柱实践中LLMs的当前局限性.
主要方法:
- 使用五种临床场景对LLM和主治脊椎外科医生的比较分析.
- 评估LLM和外科医生对脊柱MRI图像的放射性解释.
- 评估LLM从X射线图中估计脊椎骨盆参数的能力.
主要成果:
- 与外科医生 (100%) 相比,LLM在外科决策中的准确性较低 (20%).
- LLM提供了详细的MRI发现,但在病理学特点上与外科医生有所不同.
- 临床医生承认参数测量和考虑患者特定因素的局限性.
结论:
- 在脊椎外科手术中,LLM显示出对放射性解释辅助的前景.
- 目前的LLM在患者特定考虑和治疗建议方面存在局限性,需要进一步改进.
- 人工智能开发人员和脊柱专家之间的合作对于在脊柱外科手术中推进人工智能至关重要.
