在神经外科实践中使用基于生成人工智能的语音:一个试点研究

科学领域:

• 医疗信息学 医疗信息学
• 人工智能在医学中的应用
• 神经外科 神经外科

背景情况:

• 临床文档是医疗保健中的一个重大负担.
• 生成型人工智能 (AI) 提供先进的语音处理能力.
• 基于变压器的AI模型可能会简化临床工作流程.

研究的目的:

• 评估生成性人工智能模型在神经外科手术中进行指令的有效性.
• 为了比较人工智能与商业标准的指示效率.
• 评估人工智能对临床文档工作流程的影响.

主要方法:

• 十个神经外科手术报告是由三个医生指定的.
• 音频记录使用修改的基于OpenAI Whisper的AI模型进行处理.
• 性能与Nuance的Dragon Medical One使用文字错误率 (WER) 进行了比较.

主要成果:

• 人工智能模型的平均WER为1.75%,而Dragon的平均WER为1.54% (p=0.080).
• 除了语言错误外,人工智能模型的WER显著降低 (0.50%对1.34%,p<0.001).
• 人工智能模型的总错误较少 (6.1对9.7,p=0.002),并且受到指令速度的影响较小.

结论:

• 生成型人工智能模型的性能与已建立的语音到文本系统相提并论,用于神经外科指挥.
• 人工智能有可能减少错误,提高临床文档的效率.
• 人工智能模型中的上下文推理可能会提高可变输入数据的准确性.