整合定制的大型语言模型生成的摘要与医生撰写的摘要的质量和效率:一个验证研究
Rosanne C Schoonbeek1,2, Jessica D Workum3,4, Stephanie C E Schuit5
1Department of Otolaryngology - Head and Neck Surgery, University Medical Centre Groningen, Groningen, The Netherlands r.c.schoonbeek@umcg.nl.
大型语言模型 (LLM) 创建医学摘要,其完整性和正确性与医生所写的相美. 这些LLM生成的摘要可以大大节省时间,并可能减少临床医生的行政负担.
科学领域:
- 临床信息学
- 医疗保健中的人工智能
- 医疗文件
背景情况:
- 医生疲劳加剧了行政任务, 包括临床笔记总结.
- 电子健康记录 (EHR) 非常重要,但有助于减少文档工作量.
- 大型语言模型 (LLM) 在自动化文本生成任务方面具有前景.
研究的目的:
- 将LLM生成的医疗摘要的质量和时间效率与EHR系统中的医生撰写的摘要进行比较.
- 在非英语临床环境中评估LLM总结表现.
- 评估临床医生的偏好和对LLM生成的医学摘要的信任.
主要方法:
- 在一所高等学术医院进行了横截面验证研究.
- 医生 (n=42) 为50个患者记录撰写了摘要;LLM为相同的记录生成了摘要.
- 一个盲目的医生小组 (n=10) 评估了摘要的完整性,正确性和简洁性.
主要成果:
- 这份LLM摘要的完整性和正确性与医生撰写的摘要相美.
- 对于LLM的摘要来说,它们的简洁度较低 (3.0比3.5,p=0.001).
- 总体评估得分相似 (3.4对3.3,p=0.373),有57%的人更喜欢LLM摘要;LLM在15.7秒内生成摘要,而医生则是7分钟.
结论:
- 由LLM生成的医学摘要是医生撰写摘要的可行替代品,符合关键质量指标.
- 提供实质性的时间效率,可能减轻医生的行政负担.
- 将LLM整合到电子健康记录中可以提高临床工作流程,而不会影响摘要质量.
更多相关视频
05:47Evidence-based Knowledge Synthesis and Hypothesis Validation: Navigating Biomedical Knowledge Bases via Explainable AI and Agentic Systems
Published on: June 13, 2025
07:50A Metadata Extraction Approach for Clinical Case Reports to Enable Advanced Understanding of Biomedical Concepts
Published on: September 20, 2018
相关概念视频
Improving Translational Accuracy
Methods of Documentation VI: Case Management Model
For example, a patient with a chronic...
Discharge Summary Forms
Here's a detailed look at the key components and guidelines for preparing a discharge summary:
Clinical Trials: Overview
Introduction to Documentation and Reporting
Nursing documentation records essential information and details regarding a patient's care and treatment in written or electronic form. It is a critical aspect of nursing practice that involves documenting assessments, interventions, outcomes, and other relevant details about a patient's health status.
Documentation maps the patient's health journey by creating a comprehensive...
Bioequivalence: Overview
