语义临床人工智能 (SCAI) 可用性测试

科学领域:

• 医疗信息学 医疗信息学
• 医疗保健中的人工智能
• 人与计算机的交互

背景情况:

• 传统的信息检索方法,如互联网搜索,可能是耗时的,可能产生不同的结果.
• 大型语言模型 (LLM) 正在成为合成和呈现复杂信息的强大工具.
• 评估专门的LLM在临床环境中的可用性对于其采用至关重要.

研究的目的:

• 评估语义临床人工智能 (SCAI) 的可用性和性能,这是一个LLM知识资源.
• 将SCAI的效率和用户友好性与传统的互联网 (Web) 搜索信息检索进行比较.
• 确定SCAI作为提供终端用户信息的创新工具的价值.

主要方法:

• 采用了测试前干预后测试混合方法可用性研究设计.
• 通过Zoom的认知步行方法被用于可用性测试会议.
• 参与者使用SCAI和Web完成了信息检索任务,随后进行了反会议.

主要成果:

• 与网络搜索相比,SCAI展示了提供更全面,更用户友好的信息的潜力.
• 可用性测试侧重于效率和实现准确,可靠结果的能力.
• 收集了用户反,以评估SCAI的满意度和整体可用性.

结论:

• 作为一个有效和用户友好的工具来访问临床信息,SCAI是有前途的.
• 该研究强调了LLM在提高医疗保健信息包装和呈现方面的潜力.
• 需要进一步评估,以充分确定SCAI在临床决策支持中的作用.