大型语言模型在医疗人工智能研究中的有效性:一项随机对照试验
Yuanjun Shang1, Yuanfan Lin1, Ruiyang Li1
1Zhongshan Ophthalmic Center, Sun Yat-sen University, WHO Collaborating Centre for Eye Care and Vision, State Key Laboratory of Ophthalmology, Guangdong Provincial Key Laboratory of Ophthalmology and Visual Science, Guangdong Provincial Clinical Research Center for Ocular Diseases, Guangzhou, China.
Cell reports. Medicine
|November 27, 2025
概括
大型语言模型 (LLM) 显著提高了医生完成技术医学AI研究项目的能力. 虽然有效,但潜在的长期风险,如依赖性,需要进一步调查.
科学领域:
- 医学AI研究AI研究
- 眼科医生 眼科 眼科
- 临床信息学 临床信息学
背景情况:
- 医生拥有宝贵的临床专业知识,但往往缺乏人工智能研究的技术技能.
- 技术能力有限可能是医生参与开发医疗人工智能 (AI) 的障碍.
研究的目的:
- 评估大语言模型 (LLM) 对医生在人工智能研究中的技术能力的影响.
- 评估ChatGPT-3.5在协助初级眼科医生进行AI项目的有效性.
主要方法:
- 一个优越性,开放标签,随机对照试验与64名初级眼科医生进行.
- 参与者完成了为期2周的白内障自动识别项目,有或没有ChatGPT-3.5的帮助.
- 干预和控制组之间的项目完成率,规划和时间进行了比较.
主要成果:
- 使用ChatGPT-3.5的干预组的整体项目完成率 (87.5%对25.0%) 和无辅助完成率 (68.7%对3.1%) 显著提高.
- 干预参与者证明了改进的项目规划和缩短完成时间.
- 洗后,41.2%的成功干预参与者可以在没有LLM支持的情况下完成新项目.
结论:
- 在医学AI研究中,LLM可以有效地帮助医生克服技术障碍.
- 医生表示担心潜在的依赖和培养惰的思维与LLM使用.
- 需要进一步的研究,以了解LLM整合在医疗AI开发中的长期影响.
