Оценка рабочих процессов на основе больших языковых моделей для поддержки клинических решений при сортировке, направлении к специалистам и диагностике
Evaluating large language model workflows in clinical decision support for triage and referral and diagnosis
2025-05-09
SCID: 54.1/bzazw9n6
Discuss with AI
база данных MIMICподдержка принятия клинических решенийбольшие языковые моделигенерация с дополнением поискатриаж и направление к специалисту
Figures from the paper
Abstract (AI)
Точное принятие медицинских решений имеет критическое значение как для пациентов, так и для клиницистов. Пациентам часто трудно интерпретировать свои симптомы, определить их тяжесть и выбрать подходящего специалиста. Одновременно клиницисты сталкиваются с проблемами интеграции сложных данных о пациентах для своевременной и точной постановки диагноза. Недавние достижения в области больших языковых моделей (LLM) открывают возможности для устранения этого разрыва за счет поддержки принятия решений как пациентами, так и медицинскими работниками. В данном исследовании мы сравниваем несколько версий LLM и рабочий процесс на основе LLM, включающий генерацию с дополненным поиском (RAG), на специально сформированном наборе данных из 2 000 медицинских случаев, полученных из базы данных Medical Information Mart for Intensive Care. Результаты показывают, что эти LLM способны предоставлять персонализированную информацию о вероятных диагнозах, рекомендовать подходящих специалистов и оценивать необходимость неотложной медицинской помощи. Эти модели также могут помогать клиницистам уточнять диагнозы и принимать решения, представляя собой перспективный подход к улучшению исходов лечения пациентов и оптимизации оказания медицинской помощи.
Key Findings
1
Системы поддержки принятия решений на основе LLM могут помогать клиницистам уточнять диагнозы и принимать более своевременные и точные решения по сложной медицинской информации.
2
Оценённые модели предоставляют персонализированные сведения о вероятных диагнозах, рекомендуют подходящих специалистов и оценивают необходимость неотложной помощи.
3
Результаты указывают на потенциал рабочих процессов с LLM для улучшения исходов лечения и оптимизации оказания медицинской помощи, однако количественные сравнения эффективности в аннотации не представлены.
4
В исследовании сравниваются несколько версий больших языковых моделей и рабочий процесс с генерацией с дополненным поиском на 2 000 отобранных медицинских случаях из базы данных MIMIC.
Research Object
рабочие процессы на основе больших языковых моделей для поддержки принятия клинических решений
Research Subject
их эффективность при сортировке пациентов, направлении к специалистам, диагностике и оценке необходимости неотложной помощи для пациентов и клиницистов
Publication Details
Publication Date
2025-05-09
Journal
Publisher
ISSN
Cited by
164
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest
Источники этой статьи в scid.ai4
Интеллект, компилируемый через аффордансы: наблюдаемое сопоставление когнитивных импедансов для LLM-интегрированных систем без мета-доступа2020
MIMIC-IV: общедоступный набор данных электронной медицинской карты2023
Промпт-инжиниринг для обеспечения согласованности и надежности ответов больших языковых моделей в соответствии с доказательными рекомендациями2024
Диагностические подсказки, основанные на рассуждениях, выявляют потенциал интерпретируемости больших языковых моделей в медицине2024