大型语言模型在膝关节骨关节炎中的临床应用:系统性审查

科学领域:

• 人工智能在医学中的应用
• 医疗信息学 医疗信息学
• 数字健康数字健康

背景情况:

• 膝关节关节炎 (KOA) 是一种普遍的退行性疾病,影响患者的生活质量.
• 大型语言模型 (LLM) 提供了医学信息提取,临床决策和患者教育的潜力.
• 需要进行系统审查来评估LLM应用和KOA研究中的方法质量.

研究的目的:

• 系统地审查KOA中LLM的临床研究.
• 评估KOA中LLMs的性能和方法严格性.
• 确定KOALLM的挑战和未来研究方向.

主要方法:

• 在PubMed,Cochrane图书馆,Embase和Web of Science中按照PRISMA指南进行系统的文献搜索,直到2025年6月.
• 包括/排除标准选,提取研究特征和绩效指标.
• 使用Cochrane RoB,STROBE,STARD,DISCERN,CLEAR-LLM和Clima-10框架进行的方法质量评估.

主要成果:

• 包括16项研究,利用像ChatGPT,Gemini和Claude这样的LLM来生成文本,成像诊断和患者教育.
• 研究主要是观察性的,方法质量中等至高.
• 尽管在样本代表性和幻觉控制方面存在局限性,LLM表现中等以上 (CliMA-10分数),而ChatGPT-4系列显示出卓越的准确性和解释性.

结论:

• 在KOA中,LLM显示出显著的潜力,但临床应用是探索性的,并面临诸如样本偏差和方法异质等挑战.
• 多样化的模型性能需要改进的提示设计和标准化的评估框架.
• 现实世界的数据和道德监督可以增强LLM对个性化KOA管理的贡献.