人工智能语言模型对手术后面部创伤患者指令的实用性

科学领域:

• 医疗信息学 医疗信息学
• 医疗保健中的人工智能
• 手术患者教育 在手术患者教育.

背景情况:

• 有效的手术后指令 (POI) 对于患者的康复和面部创伤后的结果至关重要.
• 目前的POI通常来自电子医疗记录 (EMR) 模板或一般互联网搜索,其质量和患者友好性可能有所不同.

研究的目的:

• 为了比较来自ChatGPT的AI生成POI的实用性,与传统的EMR模板和面部创伤程序的谷歌搜索结果进行比较.
• 评估这些不同患者信息来源的可理解性和可操作性.

主要方法:

• 用ChatGPT生成了四种常见的面部创伤手术的POI,来源于EMR,并通过谷歌搜索检索.
• 一个由外科医生组成的小组使用患者教育材料评估工具 (PEMAT-P) 评估了POI,重点是可理解性和可操作性.

主要成果:

• 所有评估的POI都表现出广泛的可理解性 (55%-94%) 和可操作性 (33%-94%) 评分.
• 通过ChatGPT生成的POI获得了高可理解性得分 (82%-88%) 和中等可操作性得分 (60%-80%).
• 对于ChatGPT POI,程序特定的分数在50%至75%之间.

结论:

• 聊天GPT提供了一个有希望的工具,以增加面部创伤患者的手术后指令的提供.
• 定制人工智能生成的指令需要详细和针对患者的提示,以确保准确性,清晰性和实际可用性.