多模式机器学习使人工智能聊天机器人能够诊断眼科疾病并提供高质量的医疗响应

科学领域:

• 眼科医生 眼科 眼科
• 人工智能的人工智能
• 医学诊断 医学诊断 医学诊断

背景情况:

• 基于聊天机器人的AI显示了医疗史收集和眼科疾病诊断的潜力.
• 多模式人工智能集成文本和图像数据,以增强诊断能力.

研究的目的:

• 开发和评估基于ChatGPT的智能眼科多模式交互诊断系统 (IOMIDS),用于患者的自我诊断和自我选.
• 评估不同IOMIDS模型的诊断和选准确性.

主要方法:

• 在三个医疗中心进行了两阶段的横截面研究.
• IOMIDS结合了一个文本模型和三个多式模式模型 (文本+裂灯,文本+智能手机,文本+裂灯+智能手机).
• 15,640个数据输入被用来评估10个子专业和50个眼科疾病的表现.

主要成果:

• 文本+智能手机多式模式实现了最高的诊断准确度 (内部:79.6%,外部:81.1%).
• 其他多式联运模型的性能与仅文本模型相似或更差.
• 在所有测试模型中,分辨率的准确性是一致的,多式联络方法改善了响应质量,减少了错误信息.

结论:

• 基于聊天机器人的多式人工智能,特别是文本+智能手机模型,显示出眼科自我诊断和自我选的巨大潜力.
• 多模式人工智能集成提高了人工智能驱动的患者医疗信息的可靠性和质量.
• 这项概念验证研究为人工智能在可访问的眼科护理中的未来应用铺平了道路.