基于模拟的大型语言模型的评估,用于在睡眠医学中检测并发症 - - 一项关于ChatGPT o1预览的试点研究
Christopher Seifen1, Katharina Bahr-Hamm1, Haralampos Gouveris1
1Sleep Medicine Center & Department of Otolaryngology, Head and Neck Surgery, University Medical Center Mainz, Mainz, Germany.
Nature and science of sleep
|May 5, 2025
概括
像ChatGPT这样的大型语言模型在识别睡眠药物患者的健康风险和并发症方面表现有前途,与生活方式改变的专家建议保持一致,但有时会过度推进一步的医学测试.
科学领域:
- 睡眠医学 睡眠医学
- 医疗保健中的人工智能
- 医疗信息学 医疗信息学
背景情况:
- 在睡眠医学中,准确识别并发症至关重要.
- 大型语言模型 (LLM) 正在成为医疗保健中的强大工具.
- 聊天GPT是一个新的LLM与医疗数据分析的潜在应用.
研究的目的:
- 评估ChatGPT o1预览LLM在从模拟睡眠药物患者数据中识别健康风险和并发症的能力.
- 将LLM的风险识别与睡眠医学专家 (SMS) 的风险识别进行比较.
主要方法:
- 一项基于模拟的研究,使用30个虚构的睡眠药患者资料.
- 个人资料包括人口统计,临床和诊断数据.
- LLM和SMS独立评估了相关疾病和健康风险的个人资料.
主要成果:
- 在生活方式修改建议 (如戒烟,减少饮酒,减肥) 方面,LLM和SMS之间的一致性很高.
- 与短信相比,LLM倾向于过度推进一步的医学调查 (例如,心脏病学,胃肠病学).
结论:
- 像ChatGPT这样的LLM可以通过帮助风险分层来增加睡眠医学中的临床工作流程.
- 需要进一步的研究来验证LLM的性能与现实世界的数据,并确保数据隐私.
- 不断发展的LLM的整合可能会改变医疗保健中的患者评估.
