通过大型语言模型实现准确的差异诊断

科学领域:

• 医学的人工智能
• 临床决策支持系统
• 医疗诊断

背景情况:

• 差异诊断对于患者护理至关重要,涉及复杂的临床数据解释.
• 大型语言模型 (LLM) 提供了自动化和协助诊断推理的潜力.
• 搜索引擎等现有工具提供信息,但可能无法优化诊断过程.

研究的目的:

• 介绍和评估"医疗智能探索器" (AMIE),这是一个优化诊断推理的LLM.
• 评估AMIE的独立诊断性能.
• 将AMIE作为辅助工具的有效性与临床医生的标准资源和搜索引擎进行比较.

主要方法:

• 20名临床医生从已发表的报告中评估了302个具有挑战性的病例.
• 临床医生使用辅助工具或不使用辅助工具进行差异诊断.
• 辅助条件包括搜索引擎/标准资源或AMIE加标准资源.

主要成果:

• AMIE的独立性能超过了无助临床医生的准确性 (59.1%与33.6%相比).
• 与没有AMIE (36.1%) 或使用搜索引擎 (44.4%) 的临床医生相比,AMIE的诊断质量得分更高 (51.7%).
• 通过AMIE协助的临床医生创建了更全面的差异诊断列表.

结论:

• 在复杂的医疗病例中,AMIE显著提高了诊断推理和准确性.
• 作为临床医生的一个有价值的辅助工具,
• 需要进一步的实践评估,以证实AMIE能够提高医生的能力和患者获得专业知识.