肌肉骨MRI的机构大语言模型改善了协议的遵守和准确性

科学领域:

• 医疗成像医学成像
• 医疗保健中的人工智能
• 放射学 信息学 信息学

背景情况:

• 保护隐私的大型语言模型 (PP-LLMs) 提供了增强临床文档的潜力.
• 这项研究评估了PP-LLM以改善肌肉骨MRI放射学请求表格和自动化记录.

研究的目的:

• 评估PP-LLM在增加肌肉骨MRI请求表格上的临床信息方面的有效性.
• 评估PP-LLM能够自动执行精确的放射学记录的能力.

主要方法:

• 对500份肌肉骨MRI请求表进行了回顾性分析.
• 一个机构PP-LLM (克劳德·索内特3.5) 通过挖掘EMR和建议协议来增强形式.
• 临床信息和记录准确性与专家放射科医生建立的共识参考标准进行了比较.

主要成果:

• 用PP-LLM增强的形式显示出优异的临床信息,与原始形式的12.4%-22.6%相比,只有0.4%-0.6%的评级缺陷 (p < 0.001).
• 对于LLM增强的请求,评审者之间的可靠性几乎是完美的 (AC1 = 0.99),而对于原始形式 (AC1 = 0.62) 则相当可靠.
• PP-LLM的记录准确率为95.8%,明显高于人类放射科医生 (88.6%和88.2%,p < 0.001).

结论:

• 肌肉骨MRI请求表格的LLM增强产生了卓越的临床信息和记录准确性.
• 机构采用PP-LLM可以提高MRI的适当性,并提高患者的护理.