非小细胞肺癌的精密瘤学:对上下文化聊天GPT模型的比较研究

科学领域:

• 在瘤学瘤学.
• 人工智能的人工智能
• 医疗信息学 医疗信息学

背景情况:

• 大型语言模型 (LLM) 在医学中越来越多地被采用,促使对临床决策支持进行评估.
• 瘤学,特别是非小细胞肺癌 (NSCLC) 管理,是评估LLM实用性的关键领域.

研究的目的:

• 评估不同的上下文化方法如何影响ChatGPT遵守国家综合癌症网络 (NCCN) 关于NSCLC治疗的指南.
• 评估LLM产生的建议与已建立的瘤学准则的准确性和一致性.

主要方法:

• 根据NCCN指南,GPT-4o,GPT-4和PDF+Prompt上下文化GPT-4模型的任务是确定基于NCCN指南的高级NSCLC的首选化疗方法.
• 对答案进行了比较,与NCCN指南使用可读性得分和定性评估针对性治疗建议,协议,和非一致的疗法.

主要成果:

• 与GPT-4 (17/24) 和GPT-4o (18/24) 相比,PDF+Prompt上下文化模型与NCCN指南 (23/24) 的一致性明显更高.
• 与GPT-4 (4/12) 和GPT-4o (5/12) 不同,PDF+Prompt模型没有推指南非一致的疗法.
• 背景化模型表现出更好的可读性,字数较少,SMOG/枪雾分数较低.

结论:

• 语境化,特别是使用PDF文档和提示符,提高了LLM在提供与指导方针一致的瘤学建议方面的表现.
• 这些发现表明,LLM在瘤学决策支持中的潜在应用范围比目前公认的更广泛.
• 在不同的癌症类型和现实环境中进行进一步的验证是必要的,以获得临床采用.