对Deepseek-R1大型语言模型在肺癌中临床应用潜力的评估

科学领域:

• 在瘤学瘤学.
• 人工智能的人工智能
• 医疗信息学 医疗信息学

背景情况:

• 评估先进人工智能的临床实用性,特别是大型语言模型Deepseek-R1.1.
• 专注于Deepseek-R1在协助初级瘤学家诊断和治疗肺癌方面的作用.
• 评估诊断准确性,治疗一致性和临床决策可靠性.

研究的目的:

• 为了比较Deepseek-R1与肺癌管理中的初级瘤学家的性能.
• 确定AI在临床瘤学决策支持中的优势和局限性.
• 探索AI在提高职业生涯早期医生的能力方面的潜力.

主要方法:

• 对320名新诊断的肺癌患者进行了回顾性分析.
• 根据国际指导方针制定26个临床问题,涵盖知识,决策和伦理.
• 高级瘤学家对Deepseek-R1和初级瘤学家的反应进行双盲评估.

主要成果:

• 迪普西克-R1的准确率比初级瘤学家 (80.4%,72.8%,70.2%) 高 (92.3%的基本知识,87.5%的复杂决策,85.1%的伦理学).
• 对于Deepseek-R1的整体诊断准确率为94.6%,而初级瘤学家的诊断准确率为78.9%.
• 深度搜索-R1在治疗更新中显示出高的一致性;初级瘤学家有更多的逻辑错误,而该模型有更多的伦理风险.

结论:

• 在肺癌的诊断准确性和治疗决策方面,Deepseek-R1显著超过了初级瘤学家.
• 该模型对支持初级医生,促进讨论和优化治疗计划充满希望.
• 需要进一步开发以解决AI驱动的临床支持中的伦理推理局限性.