医学伦理中的人机协议:患者自主权 基于大型语言模型的基于案例的评估

科学领域:

• 医学伦理 医学伦理
• 医疗保健中的人工智能
• 自然语言处理自然语言处理.

背景情况:

• 医疗伦理,以慈善,非恶性,患者自主和正义为基础,指导临床实践.
• 患者的自主性在伦理困境中至关重要,强调患者的需求.
• 大型语言模型 (LLM) 在医学中越来越多地使用,这引发了关于推理和上下文的伦理问题.

研究的目的:

• 在医学伦理学中评估基础的大型语言模型 (LLM),重点关注患者的自主权.
• 通过基于患者自主性的假设案例,探索改善LLM绩效的方法.
• 解决快速发展的医学伦理学中对LLM应用缺乏研究的问题.

主要方法:

• 通过使用假设的患者自主性案例,评估了三个基础的LLM (ChatGPT,LLaMA,Gemini).
• 将LLM对医生共识的反应与Cohen κ统计数据进行比较.
• 采用麦克纳马尔测试进行代改进分析和显著性测试 (P<.05).

主要成果:

• 基础的LLMs和医生共识之间的初始协议是轻微到公平的 (科恩 κ).
• 代改进技术显著提高了LLM协议的实质性或更高 (κ=0.73-0.82).
• 在所有测试的LLM中,改善在统计学上显著 (ChatGPT的P=.006,双子座和LLaMA的P<.001).

结论:

• 基础的LLM在医学伦理学方面有潜力,但需要谨慎的应用.
• 人类对测试和既定技术的监督可以使LLM的反应与人类的道德推理保持一致.
• 进一步的研究和代性改进对于安全有效地将LLM整合到医学伦理学中至关重要.