在LLM转换的放射学报告中的可读性与准确性:各级阅读等级的利益相关者偏好

科学领域:

• 医学沟通 医学沟通
• 放射学报告报告 放射学报告
• 自然语言处理 (NLP) 是一种自然语言处理.

背景情况:

• 利益相关者对医疗信息的理解对于有效的医疗保健至关重要.
• 放射学报告的可读性影响了各种专业和普通观众之间的理解.
• 大型语言模型 (LLM) 提供了适应报告复杂性的潜力,但其影响需要仔细评估.

研究的目的:

• 调查不同阅读等级水平如何影响利益相关者对放射学报告的偏好.
• 分析报告准确性和可读性之间的权衡,在各个年级级别.
• 为了确定放射学报告的最佳阅读等级水平,考虑到利益相关者的不同需求.

主要方法:

• 对500份放射学报告进行了回顾性分析,涉及五种模式.
• 使用双子座将报告转换为11个阅读等级 (7-17) 的阅读等级.
• 放射科医生,医生和非专业人士对准确度,可读性和偏好进行评价,分为5分.

主要成果:

• 偏好因利益相关者群体,模式和临床环境而异,在16年级达到顶峰.
• 较低的阅读成绩提高了可读性,但增加了错误 (概括,省略,幻觉).
• 更高的阅读成绩提高了准确性,但降低了可读性;准确性是最强的偏好预测指标.

结论:

• 放射学报告的偏好通常有利于更高的阅读等级 (12-17) 由于精确度更高.
• 过度提高年级水平导致可读性急剧下降,限制了整体偏好.
• 建议采用混合方法,将原始报告的完整性与解释性内容相结合,以平衡准确性和可读性.