比较大型语言模型和结肠直肠癌多学科团队的管理建议:试点研究

科学领域:

• 在瘤学瘤学.
• 人工智能的人工智能
• 医疗信息学 医疗信息学

背景情况:

• 直肠癌的管理需要一个多学科的团队方法.
• 大型语言模型 (LLM) 正在成为医疗保健中的潜在工具.
• 评估LLM在临床决策支持中的适用性至关重要.

研究的目的:

• 评估生成人工智能 (AI) 聊天机器人和结直肠癌多学科团队的管理建议之间的一致性.
• 评估人工智能驱动的建议在直肠癌护理中的临床适用性.

主要方法:

• 在一个单一的高等推中心进行了一项比较试点研究.
• 来自人工智能聊天机器人的管理建议与15名门或结直肠癌患者的多学科团队的历史共识决定进行了比较.
• 协同性以5分级评价,由结肠直肠外科医生评估的理由.

主要成果:

• 人工智能聊天机器人通过多学科团队的决策获得了4.08的高平均一致性评分.
• 多学科团队的治疗策略包括新辅助疗法 (33.3%),前期手术 (26.6%) 和进一步的诊断评估 (20%).
• 对于一致性 (κ=0.333-0.577) 观察到适度的评价者间一致性,而关于理由的一致性很小 (κ=0.047-0.094).

结论:

• 生成型人工智能聊天机器人与门癌症管理中的专家多学科团队决策有显著的一致性.
• 作为瘤学临床决策的支持工具,LLM显得有前途.
• 需要使用更大的样本大小进行进一步的研究来验证这些发现.