一个LLM驱动的专家在循环聊天机器人的实用性,用于白内障手术患者的手术前和手术后护理

科学领域:

• 眼科医生 眼科 眼科
• 人工智能的人工智能
• 医疗信息学 医疗信息学

背景情况:

• 患者的参与和获得可靠的信息对于治疗白内障等眼科疾病至关重要.
• 传统的沟通道对患者和医疗保健提供者来说都很耗时.
• 大型语言模型 (LLM) 为开发创新的患者支持工具提供了潜力.

研究的目的:

• 评估LLM驱动的聊天机器人CataractBot在为患者关于白内障手术的询问提供医生验证的答案方面的实用性.
• 评估聊天机器人的性能和患者,护理人员和医疗专家的用户体验.
• 确定专家验证对聊天机器人响应准确性和完整性的影响.

主要方法:

• 这是一项为期24周的混合方法研究,涉及患者,护理人员,眼科医生和患者协调员.
• CataractBot利用了一个精心策划的知识库,即时响应,由医学专家进行异步验证和编辑.
• 分析交互日志,包括用户问题,机器人答案和专家反,以评估实用性和准确性.

主要成果:

• 318名患者和护理人员提交了1,992条消息,其中更多的是手术前和医疗问题.
• 眼科医生认为84.5%的CataractBot的医疗答案是准确和完整的.
• 随着时间的推移,专家编辑提高了机器人答案的接受率19.0%,减少了未来专家干预的需要.

结论:

• CataractBot有效地解决了患者关于白内障手术的医疗问题,并结合了专家反以实现持续改进.
• 聊天机器人展示了在支持患者提供者沟通,改善信息可访问性和减少专家工作量方面的潜力.
• 用LLM驱动的聊天机器人代表了增强眼科患者教育和支持的有希望的工具.