人工智能语言模型将专业放射学乳腺扫描报告翻译成普通语言 - 对患者的解释性和感知的影响

科学领域:

• 放射学和人工智能的人工智能
• 医学沟通 医学沟通
• 患者感知研究 患者感知研究

背景情况:

• 放射学报告经常使用技术语言,妨碍患者的理解.
• 改善患者对诊断成像报告的理解对于遵守后续建议至关重要.
• 人工智能 (AI) 为将复杂的医疗信息翻译成易于理解的语言提供了潜在的解决方案.

研究的目的:

• 评估人工智能翻译的乳房影像和超声波报告的可解释性和患者的感知.
• 将不同大型语言模型 (LLM) 翻译的报告的可理解性,后续建议的清晰度和传达的同情心进行比较.
• 评估患者对人工智能翻译的报告与传统放射学报告的偏好.

主要方法:

• 虚构的乳房学和超声学报告 (BI-RADS 3,4,5) 被三个LLM (ChatGPT-4,ChatGPT-4o,Google Gemini) 翻译成普通语言.
• 乳腺成像专家验证了翻译报告的准确性和质量.
• 女性参与者通过调查对翻译的报告进行了评分,以理解性,建议性,同理心和价值等方面进行评分.
• 统计分析包括累积链接混合模型和Plackett-Luce模型用于偏好排名.

主要成果:

• 在所有评估的方面,ChatGPT-4和ChatGPT-4o的评分明显高于谷歌双子 (P<.001).
• 较年长的参与者 (>50岁) 和以前没有乳房扫描经验的参与者对报告的评价更高.
• 高等教育水平与较低的评分相关,而人工智能经验没有显著的影响.
• 排名分析显示,GPT-4o是最受欢迎的,其次是GPT-4,而Gemini排名最后.

结论:

• 患者对人工智能翻译的放射学报告的偏好在不同的人工智能模型之间有所不同.
• 人工智能翻译的报告表明,通过增强可理解性和同理心,有可能改善患者的沟通.
• 这些发现表明,人工智能翻译可以为患者在乳腺成像方面的理解增加显著价值.