人工智能总结对眼科医学的跨学科理解的评估 眼科笔记

科学领域:

• 眼科医生 眼科 眼科
• 医疗信息学 医疗信息学
• 人工智能的人工智能

背景情况:

• 专门的眼科术语构成了非眼科临床医生和专业人员之间有效沟通的障碍.
• 这种沟通差距可能会对跨学科合作和患者护理产生负面影响.
• 在这种情况下,大型语言模型 (LLM) 的临床应用在很大程度上仍未被探索.

研究的目的:

• 评估LLM生成的简单语言摘要 (PLS) 整合到标准眼科笔记 (SON) 的影响.
• 评估诊断理解的改善,临床医生的满意度和非眼科专业人员的清晰度.
• 从眼科医生的角度分析PLS的准确性,工作流集成和安全性.

主要方法:

• 在一个高等学术中心进行了一项随机质量改进研究.
• 参与者包括非眼科临床医生和眼科医生,审查眼科笔记,有或没有PLS.
• 通过评估理解,满意度,清晰度,工作流程,准确性和安全性的调查来衡量结果,并通过语义质量分析来补充.

主要成果:

• 85%的非眼科临床医生更喜欢与PLS的笔记,报告诊断理解增加9.0%,满意度和清晰度显著改善.
• PLSs减少了对眼科术语有不同熟悉度的临床医生之间的理解差距.
• 眼科医生发现PLS的准确性很高 (90%),审查时间很短,尽管错误率为26%,大多数错误风险低.

结论:

• 通过LLM生成的PLS可以提高非眼科临床医生的理解和满意度,从而有可能改善跨学科沟通.
• 尽管高精度和感知效用,错误的持久性需要仔细实施和持续的安全监测临床集成.
• 该研究强调了LLMs在专业医疗领域弥合沟通差距的潜力.