基于人工智能的虚拟助理,用于慢性缩症的诊断方法

科学领域:

• 神经学 神经学
• 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:

• 慢性缩症包括300多种异质性疾病,具有重大诊断挑战.
• 临床和遗传的变异性使得这些疾病的准确识别变得复杂.
• 人工智能 (AI) 提供了一种潜在的解决方案,可以改善慢性病的诊断.

研究的目的:

• 开发和验证一个人工智能驱动的虚拟助理,用于诊断慢性.
• 评估AI助理的诊断准确性和可用性.
• 将人工智能助理的表现与人类专家和现有的人工智能模型进行比较.

主要方法:

• 使用先进的算法,决策树和大型语言模型创建了一个虚拟助理.
• 验证涉及分析453个文献病例,来自151个不同原因的慢性性心动症.
• 诊断准确度,时间效率和问题数量与21名神经科医生和GPT-4进行了比较.

主要成果:

• 人工智能虚拟助理实现了90.9%的诊断准确度,明显超过神经科医生 (18.3%) 和GPT-4 (19.4%).
• 人工智能工具在各种阿塔克西亚分类中表现出卓越的性能,包括年龄分布,遗传模式和临床表现.
• 与神经科医生 (19.4分钟) 相比,人工智能助理需要更少的问题 (14) 和更少的时间 (1.5分钟).

结论:

• 人工智能虚拟助理是一个准确,快速和用户友好的工具,用于诊断慢性.
• 这种人工智能方法可以在神经学咨询中作为一种有价值的支持工具.
• 这种诊断框架有可能更广泛地应用于其他神经和非神经疾病.