白内障手术并发症的对话指南:外科医生与大型语言模型-基于聊天机器人的比较研究,为患者互动生成了指令

科学领域:

• 眼科医生 眼科 眼科
• 医学教育 医学教育
• 人工智能的人工智能

背景情况:

• 向患者解释手术并发症需要清晰度,客观性和同理心.
• 大型语言模型 (LLM) 为医疗沟通提供了潜在的工具,但它们在患者咨询中的有效性仍在调查中.

研究的目的:

• 为了比较高级外科医生和基于LLM的聊天机器人的反应,解释常见的白内障手术并发症.
• 评估外科医生的理解,可读性,准确性,完整性,诚实性和同情心与聊天机器人的解释.

主要方法:

• 十种常见的白内障手术并发症情景向七名高级外科医生和一个聊天机器人展示.
• 答案由独立评分员评估,使用对理解,可读性和语言复杂性的验证指数.
• 准确性,完整性,诚实性和同情心也被量化分级.

主要成果:

• 外科医生的解释明显比聊天机器人的反应更易读 (不那么复杂) (p < 0.001).
• 聊天机器人响应更详细但更普遍,缺乏具体的替代措施.
• 外科医生和聊天机器人的准确性和完整性得分相似 (p = 0.164).
• 外科医生在同情心方面得分明显高 (p = 0.041),而诚实得分相似.

结论:

• 基于LLM的聊天机器人提供了详细但不那么具体的信息,与外科医生相比,他们的同情心更低.
• 外科医生在解释并发症时表现出更深入的理解和更大的同情心.
• 对聊天机器人进行进一步的专业培训,使他们能够协助外科医生为患者提供手术后并发症的咨询.