使用人工智能自动生成心声回声报告:一种简化心血管诊断的新方法

科学领域:

• 心脏病学和人工智能的人工智能
• 医疗信息学 医疗信息学
• 医疗保健中的机器学习

背景情况:

• 准确的心声回声学解释对于心血管疾病的诊断和管理至关重要.
• 大型语言模型 (LLM) 为自动化医疗报告生成和临床决策支持提供了潜力.

研究的目的:

• 评估LLM (ChatGPT) 从测量中生成心声回声报告的能力.
• 评估LLM在添加患者数据的情况下制定诊断和临床建议的能力.
• 将LLM的结果与专家心脏病学家的评估进行比较.

主要方法:

• 来自13个虚构和8个临床病例的心声数据被输入到ChatGPT.
• 由LLM生成的报告,诊断和建议与标准临床评估进行了比较.
• 一个评分系统评估了报告的准确性,诊断的准确性和建议的适当性.

主要成果:

• 该法学士取得的平均总得分为6.86 (SD=1.12),临床病例得分高 (7.38),比虚构病例 (6.54).
• 85.7%的生成报告是完全可以接受的,5.3%的参数被误解.
• 该LLM在识别发现,诊断疾病和提供建议方面表现出很高的准确性.

结论:

• 像ChatGPT这样的LLM在自动化心声回声学报告生成和解释方面显示出巨大的潜力.
• 该技术可以提供准确的诊断见解和临床建议,协助医疗保健专业人员.
• 在心血管医学中,LLM可以作为简化临床工作流程的宝贵工具.