大型语言模型及其在外科手术期间医学的当前使用:一个范围审查协议
Arnaud Romeo Mbadjeu Hondjeu1,2,3, Zi Ying Zhao1,2, Luka Newton1
1University of Ottawa, Ottawa, ON, Canada.
JBI evidence synthesis
|September 29, 2025
概括
本综述绘制了大语言模型 (LLM) 在术后护理中的当前使用情况,识别技术和临床任务. 它强调了证据缺口,以指导未来在外科手术中安全有效地采用LLM.
科学领域:
- 医疗信息学 医疗信息学
- 医疗保健中的人工智能
- 在外科手术期间的医学.
背景情况:
- 术后护理是复杂的,需要快速,准确的决策.
- 大型语言模型 (LLM) 提供了简化工作流程和加强决策支持的潜力.
- 有关LLM错误,伦理和数据偏差存在担忧,需要对当前应用程序进行审查.
研究的目的:
- 将现有证据映射到外科手术期间护理中大语言模型 (LLM) 应用的现有证据.
- 确定使用的LLM技术类型和支持的临床任务.
- 确定影响未来LLM在外科外科环境中的采用影响的证据缺口.
主要方法:
- 根据JBI的方法进行范围审查.
- 在 MEDLINE,Embase,EBM Reviews 和 Scopus 中进行系统搜索.
- 两位审查员对研究进行独立选,数据图表和结果的描述性摘要.
主要成果:
- 该审查将介绍 LLM 应用在整个外科连续的证据的描述性摘要.
- 频率表和视觉图表将突出显示当前证据的范围.
- 将确定与LLM整合相关的关键证据缺口.
结论:
- 对当前LLM应用的全面了解对于安全有效地融入外科护理至关重要.
- 识别证据缺口将为未来的研究和LLMs在这个领域的发展提供信息.
- 这一审查将指导负责任地采用LLMs,以优化患者在术后期的结果.


