使用ChatGPT优化压力损伤评估中的图表审查效率
Rebecca Friedman1, Rebecca Lisk1, Katherine Cordero-Bermudez2
1From the Hansjörg Wyss Department of Plastic Surgery, New York University Langone Health, New York, New York.
像ChatGPT这样的大型语言模型可以显著加快和提高伤口护理图表审查的准确性. 这种人工智能工具提高了整形外科的临床实践和研究效率.
科学领域:
- 整形外科 整形外科 整形外科
- 医疗信息学 医疗信息学
- 医疗保健中的人工智能
背景情况:
- 慢性伤口,如压力损伤,正在增加,使整形外科手册图表复杂化.
- 大量的患者数据和众多的伤口结果变量对传统的图表审查方法构成挑战.
- 自然语言处理 (NLP) 和大型语言模型 (LLM) 提供了在伤口护理中自动化数据提取的潜力.
研究的目的:
- 评估使用ChatGPT在伤口护理中自动从患者病历中提取数据的效率和准确性.
- 评估AI的潜力,特别是ChatGPT,以简化临床环境和研究中的图表审查流程.
- 确定ChatGPT是否可以提高神圣伤口护理中的数据检索准确性和效率.
主要方法:
- 使用ChatGPT的安全,私有的Azure OpenAI服务实例进行图表审查.
- 整合了ChatGPT和一个Python脚本,用于对神圣伤口患者的现有图表审查工作流程.
- 收集了关于审查时间,数据提取准确度和ChatGPT产生的洞察力质量的指标.
主要成果:
- 聊天GPT将每张图表的平均查看时间从7.56分钟减少到1.03分钟.
- 实现了0.957的整体准确率,元素特异性准确度从0.747到0.986.
- 展示了ChatGPT能够生成准确的叙事伤口描述的能力.
结论:
- 聊天GPT显著提高了伤口护理图表审查的速度和精度.
- 人工智能集成,以ChatGPT为例,对于改善临床护理和研究中的医疗保健工作流程具有宝贵的意义.
- 该研究强调了LLMs在整形外科和伤口管理中彻底改变数据提取和分析的潜力.
更多相关视频
06:45Development of a Benchtop Model for Evaluating the Compatibility of Wound Dressing Materials with Negative Pressure Wound Therapy Systems
Published on: May 2, 2025
08:25Polar Histogram Visualization of Acute Stress Disorder Scale Scores for Comprehensive Clinical Assessment
Published on: December 6, 2024
相关概念视频
Guidelines and Strategies for Safe Computer Charting
Maintain Confidentiality and Security:
Methods of Documentation IV: Focus Charting
It typically involves three columns for recording information:
Methods of Documentation III: PIE
Methods of Documentation VI: Case Management Model
For example, a patient with a chronic...
Pre-Procedural Guidelines for Assessing Blood Pressure
