探索定制大型语言模型的可能性和局限性,以支持和改进宫癌查
Viola Angyal1, Ádám Bertalan2, Péter Domján3
1Semmelweis University Doctoral College, Health Sciences Division, Institute of Digital Health Sciences, Budapest, Hungary. angyal.viola@phd.semmelweis.hu.
BMC medical informatics and decision making
|July 2, 2025
概括
这项研究探讨了定制的生成预训练变压器 (GPT) 作为宫癌查患者教育工具. 人工智能工具显示出公共卫生意识的潜力,但在对话能力方面存在局限性.
科学领域:
- 人工智能的人工智能
- 自然语言处理自然语言处理.
- 公共卫生 公共卫生
背景情况:
- 生成性预训练过的变形机 (GPT) 具有先进的自然语言处理.
- 快速工程对于引导AI模型输出至关重要.
- 可以开发定制的GPT作为患者教育工具.
研究的目的:
- 探索定制GPT作为患者教育工具的可能性和局限性.
- 通过用户友好的设计,提供公开可用的关于宫癌查的信息.
- 促进更有效地获得宫癌查知识.
主要方法:
- 使用OpenAI GPT-4和Python开发了一个自定义的GPT.
- 使用Streamlit创建了一个基于云的界面.
- 采用代提示优化,循环中人评估和医生评估.
主要成果:
- 在112个用户中测试了Web应用程序.
- 发现了年龄和感知个性化,性别和系统定制之间的显著关联.
- 医生证实了系统响应的准确性,清晰性和有用性.
结论:
- 定制GPT显示了提高公共卫生意识和促进预防行为的潜力.
- 当前的语言模型技术在对话能力上存在固有的局限性.
- 需要进一步的研究,包括随机对照试验,以确定影响和可靠性.


