大型语言模型可以应用于乳腺癌的个性化非医院治疗:一项前性随机单盲研究

科学领域:

• 在瘤学中使用人工智能
• 数字健康解决方案 数字健康解决方案
• 患者支持系统 患者支持系统

背景情况:

• 个性化医院外管理对于改善乳腺癌患者的生活质量至关重要.
• 大型语言模型 (LLM) 提供了增强患者支持和管理的潜力.
• 在临床环境中评估LLM的表现对于安全有效的实施至关重要.

研究的目的:

• 评估LLM在非医院乳腺癌管理中的准确性,有效性,安全性,个性化和情感护理.
• 在模拟的患者相互作用中比较GPT-o3和DeepSeek-R1 (DS-R1) 的性能.
• 确定不同LLM的优点和弱点,以支持癌症患者退院后的治疗.

主要方法:

• 开发了一个数据管道来分类三个医院以外的管理场景.
• 利用 10 名乳腺癌患者的掩盖电子健康记录 (EHR) 来创建 100 名虚拟患者 (VP).
• LLM (GPT-o3,DS-R1) 为VP产生了对话;人类专家使用利克特尺度对准确性,有效性,安全性,个性化和情感护理的回应进行了评级.

主要成果:

• 这两个LLM都表现良好,得分主要集中在3分和4分.
• DS-R1在准确性,个性化和情感护理方面比GPT-o3具有统计学上显著的优势 (P < 0.01).
• 与GPT-o3.3相比,DS-R1表现出更高的效率,产生更多的代币,经济成本更低,响应时间更短.

结论:

• 乳腺癌患者的LLM,特别是DS-R1,显示出个性化,同情和准确的乳腺癌患者医院外管理的巨大潜力.
• DS-R1在个性化和情感护理等关键领域提供了卓越的性能,同时提高了效率和成本效益.
• 需要进一步的研究,将特定的医学知识嵌入到LLM中,以减轻幻觉和多言多语等问题.