评估大型语言模型对协助社区卫生工作者的潜在有用性:卢旺达前性观察性研究的协议
Vaishnavi Menon1, Natnael Shimelash2, Samuel Rutunda3
1University of Birmingham, Birmingham, UK.
BMJ open
|October 14, 2025
概括
大型语言模型 (LLM) 可以通过改善临床决策和转诊适当性来支持卢旺达的社区卫生工作者 (CHW). 本研究评估了LLM在实时医疗保健援助中的实用性,以更好地管理患者.
科学领域:
- 数字健康干预措施 数字健康干预措施
- 医疗保健中的人工智能
- 全球卫生公平性全球卫生公平性
背景情况:
- 社区卫生工作者 (CHW) 在资源较少的医疗保健系统中至关重要,但往往缺乏正式的临床培训.
- 医疗保健工作者的决策限制可能会影响患者转诊和管理计划.
- 大型语言模型 (LLM) 提供了实时,特定上下文的决策支持的潜力.
研究的目的:
- 评估LLMs在协助Rwanda的CHW决策中的实用性.
- 评估LLM产生的见解对转介适当性和管理计划的影响.
- 探索患者和用户对LLM辅助咨询的看法.
主要方法:
- 卢旺达地区 (Nyabihu, Musanze) 的前性观察研究.
- 800次CHW患者咨询的转录和LLM分析.
- 与临床专家小组共识相比,LLM成果的评估.
主要成果:
- 这项研究有能力检测到推适当性的15-20个百分点的改善.
- 二次结果包括诊断准确性和管理计划质量.
- 将评估患者和用户对环境记录的看法.
结论:
- 在提高医疗保健工作者的决策能力方面,LLM是有前途的.
- 这项研究可以为在资源有限的医疗保健环境中整合人工智能工具提供信息.
- 调查结果将通过出版物和会议传播.


