增加大型语言模型与全国综合癌症网络指导方针,改善和标准化辅助治疗建议在术后乳腺癌病例

科学领域:

• 在瘤学瘤学.
• 人工智能的人工智能
• 医疗信息学 医疗信息学

背景情况:

• 多学科乳腺瘤委员会 (MTBs) 对于优化乳腺癌治疗至关重要.
• 在MTB的挑战包括物流,可变的专业知识,和缺乏标准化.
• 人工智能 (AI) 和大型语言模型 (LLM) 为临床决策支持提供了潜在的解决方案.

研究的目的:

• 从人工智能工具TheSerenityBot (TSB) 中评估辅助治疗建议的准确性.
• 将TSB的建议与Claude-2和GPT-4进行比较.
• 将MTB专家的共识作为准确性的参考标准.

主要方法:

• 来自新加坡国立大学医院 (2023年6月至11月) 50例术后乳腺癌病例的回顾性分析.
• 基于克劳德-2和更新的NCCN指南的AI模型TSB产生了建议.
• 通过比较AI输出与MTB建议,使用概括估计方程来评估模型性能.

主要成果:

• TSB获得了最高的整体精度 (0.89),其次是Claude-2 (0.86) 和GPT-4 (0.78).
• 对于遗传测试建议,GPT-4的准确性明显较低 (OR,0.05;P < .001).
• 克劳德-2在放射治疗建议中的准确性较低 (OR,0.41;P = .040).

结论:

• 像TSB这样的指导方针增强的人工智能工具在支持乳腺癌辅助治疗决策方面表现有前途.
• 未来的AI代旨在通过整合患者因素和EHR集成来增强临床相关性.
• 目前正在进行的前性试验将评估人工智能在乳腺癌治疗计划中的真实影响.