评估ChatGPT在支持军事准备评估中的作用
Ashley M Tyburski1, Ensign Sean P Garin1, Col Justin P Fox2,3
1School of Medicine, Uniformed Services University, Bethesda, MD 20814, United States.
Military medicine
|May 6, 2025
概括
一个定制的生成预训练变压器 (GPT) 模型从临床工作负载数据准确计算了联合知识,技能和能力 (JKSA) 评分. 这种人工智能方法通过使JKSA得分更容易获得,提高了军事准备评估.
科学领域:
- 医疗保健中的人工智能
- 临床信息学 临床信息学
- 军事卫生系统 军事卫生系统
背景情况:
- 联合知识,技能和能力 (JKSA) 评分对于军事准备至关重要,但需要专门的数据分析技能.
- 对于计算JKSA分数的专业知识的广泛可用性存在差距.
- 这项研究解决了对JKSA评分更容易获得的方法的需求.
研究的目的:
- 开发和评估一个定制的生成预训练变压器 (GPT) 模型,用于从临床工作负载数据计算JKSA分数.
- 将定制GPT模型的性能与传统的评分方法进行比较.
- 评估GPT模型在支持军事准备评估中的实用性.
主要方法:
- 利用来自军事治疗设施的非识别临床工作量数据 (2023年1月至12月).
- 使用培训和验证数据集开发和培训一个定制的GPT模型用于JKSA计算.
- 在测试数据集上使用GPT模型独立计算的JKSA得分,患者接触和手术计数.
- 在使用相关系数 (CC) 的 GPT 和传统的 SAS 基于评分之间的量化协议.
主要成果:
- 该GPT模型与传统的诊断方法 (CC=0.92) 和程序 (CC=0.76) JKSA分数显著相关.
- 根据GPT计算的患者接触 (CC=0.98),手术 (CC=1.00) 和重症监护接触 (CC=1.00) 与SAS计算有很强的一致性.
- 该研究确定了数据管理,快速工程和交叉检查的关键教训,以成功实现GPT模型.
结论:
- 一个定制的GPT模型提供了一个准确且易于使用的方法,用于从临床工作负载数据计算JKSA分数.
- 这种人工智能驱动的方法可以通过民主化JKSA的度量利用来提高军事准备评估.
- 建议在各种数据集和用户群体进行进一步验证,以扩大适用性.
