科学领域:

• 神经学 神经学
• 医疗信息学 医疗信息学
• 人工智能在医学中的应用

背景情况:

• 有效的患者-提供者沟通对于管理多发性硬化症 (MS) 等慢性疾病至关重要.
• 大型语言模型 (LLM) 提供了增强临床沟通的潜在工具.
• 神经病学家对LLM用于MS患者沟通的具体应用需要进行研究.

研究的目的:

• 评估一个流行的LLM在协助神经科医生与多发性硬化症患者沟通方面的实用性.
• 描述这个LLM应用程序的专业提示符 (COSTAR) 的开发和改进.
• 评估在临床神经学传播中使用LLM的有效性并确定使用LLM的挑战.

主要方法:

• 开发一个定制的COSTAR提示符,用于LLM辅助的神经科医生与患者的沟通.
• 一组神经病学家评估了提示的有效性.
• 使用QAMAI工具进行快速评估.

主要成果:

• 开发的COSTAR提示符在支持神经科医生与患者的沟通方面表现出强项.
• 确定了需要进一步开发临床LLM实施的具体问题和领域.
• 神经学家的反强调了当前LLM能力的潜力和局限性.

结论:

• LLM显示出作为神经病学家与多发性硬化症患者沟通的支持工具的潜力.
• 为了成功的临床采用,需要进一步完善LLM提示和整合策略.
• 解决已识别的问题是实现神经病学LLM充分临床益处的关键.