大型语言模型辅助大脑MRI差异诊断中的人类-AI合作:可用性研究

科学领域:

• 放射学 放射学是一门学科.
• 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:

• 大型语言模型 (LLM) 在支持医疗诊断方面表现有前途.
• 人类-LLM合作对脑MRI差异诊断准确性的具体影响尚未得到充分研究.

研究的目的:

• 研究人类-LLM合作对脑MRI差异诊断的准确性和效率的影响.
• 将LLM辅助诊断与传统的互联网搜索方法进行比较.

主要方法:

• 一项回顾性研究涉及40个具有挑战性的脑MRI病例.
• 六名放射科医生在交叉设计中使用常规搜索和基于LLM的系统来评估病例.
• 专家放射科医生分析了LLM的反应,以确定好处和挑战.

主要成果:

• 通过LLM辅助诊断的准确性 (61.4%) 比传统搜索 (46.5%) 高得多.
• 在解释时间或读者信心方面没有发现显著差异.
• 关键的挑战包括不准确的案例描述,LLM幻觉,以及缺乏上下文化.

结论:

• 人类-LLM合作可以提高脑MRI差异诊断的准确性.
• 解决人与LLM互动中的挑战对于成功实施和用户接受至关重要.