为神经科医生和实习生提供AI快速工程.
Valdery Moura Junior1,2, Peter Hadar3, Shawn Murphy1,3
1Center for AI and Biomedical Informatics of the Learning Healthcare System (CAIBILS), Mass General Brigham, Somerville, Massachusetts, United States.
Seminars in neurology
|November 11, 2025
概括
大型语言模型 (LLM) 在神经学中为临床实践,培训和研究提供了重要的潜力. 有效的快速工程是神经病学家利用LLM能力安全准确的关键.
科学领域:
- 神经学 神经学
- 人工智能的人工智能
- 医疗信息学 医疗信息学
背景情况:
- 大型语言模型 (LLM) 在医疗保健中越来越有影响力.
- 快速工程对于优化临床环境中的LLM实用性至关重要.
- 神经科医生和实习生需要指导,以便有效地整合LLM.
研究的目的:
- 审查目前在神经病学LLMs的应用.
- 为突出神经学背景的快速工程的最佳实践.
- 为LLM在神经病学中的使用引入结构化的框架.
主要方法:
- 在神经病学LLM应用的文学综合.
- 快速工程框架 (RTF和BRAIN) 的开发和展示.
- 讨论对LLM实施的挑战和实际指导.
主要成果:
- 法律学士学位可以增强临床决策,医学培训和神经学研究.
- 结构化的提示提高了LLM在总结案例,生成诊断和帮助教育方面的表现.
- 为不同的神经任务提出了两个框架,即RTF和BRAIN.
结论:
- LLM对神经学具有变革的潜力,但必须解决诸如偏见和隐私之类的挑战.
- 有效的快速工程对于最大限度地提高神经学应用中的LLM准确性,安全性和公平性至关重要.
- RTF和BRAIN框架为使用LLMs的神经科医生和实习生提供了实际指导.


