对于基于大型语言模型的AI系统作为辐射瘤学共享决策的信息来源的态度

科学领域:

• 在瘤学瘤学.
• 医疗信息学 医疗信息学
• 人工智能的人工智能

背景情况:

• 辐射瘤学中的结构化共享决策 (SDM) 需要可靠的患者信息.
• 患者往往缺乏知识,并对癌症治疗和副作用有误解,妨碍了知情决策.
• 基于大型语言模型 (LLM) 的AI提供了可访问的,基于证据的患者信息的潜力,但面临采用障碍.

研究的目的:

• 调查患者和医疗保健专业人员 (HCP) 对辐射瘤学LLM采用的观点.
• 评估目前和预期使用的LLMs患者信息和共享决策 (SDM).
• 确定影响LLM在癌症护理中的接受因素.

主要方法:

• 在2024年3月至2025年2月期间,对放射治疗患者 (n=400) 和医疗人员 (n=200) 进行了调查.
• 电子问卷评估了社会人口统计,SDM状态,信息来源和LLM的看法.
• 数据分析包括描述性统计和物流回归.

主要成果:

• 互联网是患者的主要信息来源;目前LLM的使用率很低 (18.2%的患者与69.5%的医疗人员相比).
• 医疗保健人员对未来患者依赖LLM (77%) 持乐观态度,但大多数患者仍然持怀疑态度 (29.1%的同意).
• 患者优先考虑医生信任 (65.8%),而不是SDM数据的LLM;技术熟悉度预测患者使用LLM.

结论:

• 关于LLM在放射性瘤学中的实用性,医疗保健工作者乐观和患者怀疑之间存在很大的差距.
• 患者对医生的信任和对技术的熟悉是影响LLM采用SDM的关键因素.
• 需要进一步的研究来弥合差距,并促进有效的LLM整合到癌症治疗中.