评估大型语言模型的可行性,以确定增强外部对冲的首要研究重点

科学领域:

• 心血管医学 心血管医学
• 生物医学工程 生物医学工程
• 医疗保健中的人工智能

背景情况:

• 增强的外部反推力 (EECP) 是一种非侵入性的循环技术,具有既定的心血管益处.
• 尽管它是有效的,但EECP的潜在机制需要进一步研究.
• 确定未来的研究方向对于优化EECP应用至关重要.

研究的目的:

• 利用大型语言模型 (LLM) 在EECP中识别和优先考虑研究领域.
• 评估EECP专家对人工智能产生的研究优先事项的共识.
• 探索LLMs在指导EECP领域未来的科学研究方面的潜力.

主要方法:

• LLM (ChatGPT,Ernie Bot) 在五个主要的EECP领域产生了研究优先级:机制,设备改进,心血管应用,神经应用和其他应用.
• 一个由九名经验丰富的EECP专家组成的小组独立地根据相关性,原创性,清晰性和具体性对生成的优先级进行了评分.
• 对专家评分的统计分析决定了确定研究优先事项的验证.

主要成果:

• 在定义的EECP领域内,LLMs成功地产生了特定的研究重点.
• 专家评估为人工智能产生的优先事项的相关性,原创性,清晰性和具体性提供了高的平均和中位数.
• 这些发现表明,LLMs确定的研究优先事项得到了专家的强烈认可.

结论:

• 大型语言模型显示出作为工具的巨大潜力,用于识别和优先考虑增强外部对冲的研究方向.
• 专家验证支持使用人工智能加速科学发现和专注于专业医疗领域.
• 这种方法可以简化研究规划和资源分配,以推进EECP治疗.