用大型语言模型简化为癌症患者提供放射学报告:对患者满意度的影响
Amit Gupta1, Swarndeep Singh2, Hema Malhotra3
1Department of Radiodiagnosis, All India Institute of Medical Sciences, New Delhi, India.
JCO clinical cancer informatics
|January 29, 2025
概括
使用大型语言模型 (LLM) 生成的简化放射学报告显著改善瘤病患者对疾病的理解. 临床临床医学师表现出创造这些患者友好型报告的潜力,并提供必要的人类监督.
科学领域:
- 放射学 放射学是一门学科.
- 医疗信息学 医疗信息学
- 人工智能的人工智能
背景情况:
- 放射学报告对患者来说可能是复杂的.
- 改善患者的理解对于瘤学的知情决策至关重要.
研究的目的:
- 评估简化放射学报告对瘤患者的有用性.
- 评估使用大型语言模型 (LLM) 进行报告简化的可行性.
主要方法:
- 五个LLM被测试以简化50个瘤CT报告印象.
- 可读性指数和定性评估选择了最好的LLM-prompt组合.
- 100名瘤学患者获得了原始或简化的报告,以评估知识和实用性.
主要成果:
- 克劳德Opus-Prompt 3在简化方面略有优势,其他顶级LLM的表现相似.
- 接受简化报告的患者表现出明显更好的知识和信心.
- 放射科医生的监督是最小的,在50份简化报告中,只有3份需要纠正.
结论:
- 简化放射学报告大大提高了患者的理解和信心.
- 简单流程仪 (LLM) 是生成简化放射学报告的有效工具.
- 人类监督对于确保LLM生成报告的准确性至关重要.
