用GPT-4o进行神经血管咨询的信息提取和总结:临床案例研究
Ashraya Kumar Indrakanti1,2, Julian Elias Heierle1,2, Hannah Münger1,2
1Department of Diagnostic and Interventional Neuroradiology, Clinic of Radiology and Nuclear Medicine, University Hospital Basel, Petersgraben 4, 4031, Basel, Switzerland.
Clinical neuroradiology
|July 31, 2025
概括
像GPT-4o这样的大型语言模型 (LLM) 可以准确地总结神经血管患者的数据,以便进行咨询. 虽然一般可靠,但时间数据跟踪需要优化以提高临床效率.
科学领域:
- 医疗信息学 医疗信息学
- 医疗保健中的人工智能
- 临床决策支持 临床决策支持
背景情况:
- 在门诊环境中,对广泛的神经血管病例病例记录的有效审查至关重要.
- 大型语言模型 (LLM) 显示了自动化临床信息提取的潜力,但需要验证.
- 由于时间限制,需要可靠的工具来总结关键的临床数据.
研究的目的:
- 评估OpenAI的GPT-4o用于生成神经血管咨询准备结构化摘要.
- 评估使用GPT-4o自动化关键数据提取所带来的效率提升.
- 在神经血管环境中验证LLM生成摘要的临床可靠性.
主要方法:
- 一项前性研究,涉及一家三级医院的70名患者.
- GPT-4o使用预定义模板生成结构化摘要.
- 临床医生使用精度,回忆,特异性和精度指标对准确性和完整性的评估.
主要成果:
- 在提取神经血管患者数据方面,GPT-4o表现出高精度 (≥0.96).
- 提取一致性因时间稳定 (例如动脉瘤位置) 和动态数据 (例如药物清单) 而异.
- 图像总结在临床上是有用的,尽管在多项先前研究中有效性下降;罕见的错误归因发生了.
结论:
- GPT-4o有效地结构化了神经血管患者的数据,具有高准确性和最小的错误.
- 引用可靠的来源有助于对LLM生成的摘要进行验证.
- 支持将LLM摘要整合到神经血管咨询中,并对时间数据和隐私进行未来的工作.
更多相关视频
08:32Neurovascular Network Explorer 2.0: A Simple Tool for Exploring and Sharing a Database of Optogenetically-evoked Vasomotion in Mouse Cortex In Vivo
Published on: May 4, 2018
6.5K
04:01Point of Care Transcranial Color-Coded Duplex Ultrasound of the Middle Cerebral Artery
Published on: August 9, 2024
956
