104 подписчика
«Точный дифференциальный диагноз (DDx) является краеугольным камнем медицинской помощи, часто достигаемым посредством повторяющегося процесса интерпретации, сочетающего в себе историю болезни, физическое обследование, исследования и процедуры
Интерактивные интерфейсы на базе больших языковых моделей (LLM) открывают новые возможности как для помощи, так и для автоматизации аспектов этого процесса
В этом исследовании представляем LLM, оптимизированный для диагностических рассуждений, и оцениваем его способность генерировать DDx отдельно или в качестве помощи врачам
20 врачей оценили 302 сложных реальных медицинских случая, полученных из отчетов о клинических случаях Медицинского журнала Новой Англии (NEJM)
Каждый отчет о случае был прочитан врачами, которые были рандомизированы в зависимости от одного из двух вспомогательных условий: либо помощь поисковых систем и стандартных медицинских ресурсов, либо помощь LLM в дополнение к этим инструментам
Все врачи предоставили базовый уровень DDx без посторонней помощи перед использованием соответствующих вспомогательных инструментов
LLM для DDx продемонстрировал самостоятельную производительность, превосходящую показатели врачей без посторонней помощи (точность топ-10: 59,1% против 33,6%, [p = 0,04])
При сравнении двух групп исследования с ассистентами показатель качества DDx был выше у клиницистов, которым помогал LLM (точность топ-10, 51,7%), по сравнению с клиницистами без их помощи (36,1%) (тест Макнемара: 45,7, p < 0,01) и клиницистами с поиск (44,4%) (4,75, р=0,03)
Кроме того, врачи, которым помогал LLM, составили более полные дифференциальные списки, чем те, кто не пользовался его помощью»
1 минута
11 декабря 2023