在冈比亚的一个神经外科病房中进行术后临床决策支持的大型语言模型:一个潜在的试点可行性研究

科学领域:

• 医疗信息学 医疗信息学
• 全球健康 全球健康
• 神经外科 神经外科

背景情况:

• 在低收入国家,获得专科外科护理的机会正在增加,这对管理资源有限的复杂患者构成了挑战.
• 大型语言模型 (LLM) 提供了临床决策支持的潜力,但需要对性能和安全进行现实世界的验证.
• 该研究解决了需要了解技术,特别是LLMs,如何支持医院工作人员管理复杂的外科病人的需求.

研究的目的:

• 评估基于LLM的助理在术后神经外科护理中的可行性,可用性以及潜在的好处和风险.
• 评估LLM协助对管理计划和临床决策质量的影响.
• 探索在资源有限的神经外科环境中实施LLM技术的成本效益.

主要方法:

• 在冈比亚的爱德华·弗朗西斯小型教学医院进行了一项前性单臂实施研究.
• 包括来自神经外科服务的4名医务官和5名护士.
• 在9名术后神经外科病人的75次LLM辅助互动中部署了一个提示的GPT-4o Turbo.

主要成果:

• 可用性指标显示了适度的认知工作量和边际可接受的系统可用性,具有高的易用性.
• 管理计划质量在 60% 的模拟回合中得到改善,MO 的改善率 (21.0%) 比护士 (6.5%) 更高.
• 经过LLM的建议,导致了14个护理变化,有可能预防重大发病率,没有检测到任何不安全的输出;成本分析表明潜在的节省.

结论:

• 通过实施LLM,在术后神经外科手术中改善了管理计划的质量,而不会影响患者的安全.
• 该研究强调了LLMs在临床上有意义的护理变化和改善资源有限的环境中的决策方面的潜力.
• 需要进一步的受控研究来确认可概括性,长期益处和以患者为中心的结果.