使用深度学习与少数镜头学习来改进全关节整形术的数据捕获 操作笔记

科学领域:

• 整形外科手术 整形外科手术
• 医学中的人工智能.
• 临床数据分析临床数据分析

背景情况:

• 结构化数据注释对于骨科注册表至关重要.
• 对传统的ML来说,对THA植入物固定,技术和外科手术方法进行分类是具有挑战性的.
• 本研究探讨了GPT-4在THA笔记分析中的可行性.

研究的目的:

• 评估GPT-4捕获和证明关键THA操作笔记元素的能力.
• 评估GPT-4数据提取的准确性和质量.
• 确定GPT-4作为手动图表审查的替代方案的潜力.

主要方法:

• GPT-4使用少数射击学习与THA操作笔记实例进行训练.
• 来自38名外科医生的240份THA初级笔记被用于测试.
• GPT-4输出与手动图表审查对准确性和证明质量的比较.

主要成果:

• GPT-4实现了高精度:100%的固定,98.9%的技术,97.5%的接近.
• 模型提供了具有高可读性和多样性的理由.
• 理由显示了强烈的字符级别匹配与原始笔记.

结论:

• 具有少量射击学习的GPT-4在捕捉THA固定,技术和方法方面表现出色.
• 人工智能引用原始笔记的能力有助于验证临床数据捕获.
• GPT-4提供了一个有前途的替代方案,用于手动查看骨科注册表的图表.