手术LLM:一个检索增强型大代语言模型框架,用于手术决策支持和工作流改善

科学领域:

• 人工智能在医学中的应用
• 外科信息学外科信息学
• 临床决策支持系统 临床决策支持系统

背景情况:

• 大型语言模型 (LLM) 为处理复杂的医疗信息提供了潜力.
• 将基于证据的指导方针纳入临床工作流程仍然是一个挑战.
• 手术决策需要有效地获得最新的,基于指南的知识.

研究的目的:

• 评估一个新的LLM框架的能力,外科LLM,在整合从外科手术指南领域特定的知识.
• 为了评估SurgeryLLM的表现,当与患者特定的数据.
• 为了确定准则信息的LLMs对外科实践的潜在影响.

主要方法:

• 手术LLM的开发,一个检索增强生成 (RAG) 框架.
• 使用模拟的患者特异性数据和当前基于证据的外科手术指南测试SurgeryLLM.
• 对模型获取和应用指南信息的能力进行定性和定量分析.

主要成果:

• 手术LLM显然包含了从外科指南中获得的特定领域知识.
• 该框架成功地利用患者特定的数据来告知指南的应用.
• 观察到准确检索和相关应用基于指南的信息的证据.

结论:

• 手术LLM在应用人工智能到手术知识管理方面取得了重大进展.
• 成功整合指南信息可以提高外科医生的效率.
• 这项技术有望通过人工智能驱动的临床支持改善患者安全和优化手术结果.