Клиническое применение больших языковых моделей при остеоартрите коленного сустава: систематический обзор

Clinical applications of large language models in knee osteoarthritis: a systematic review
Rui Chen, Ziyan Zhang, Zebing Ma, Yibing Liu, Huayu Fan, Xiangyang Cao, Lili Ni
2025-11-19

принятие клинических решенийостеоартрит коленного суставабольшие языковые моделиобучение пациентовсистематический обзор
Обоснование и цель: Остеоартрит коленного сустава (ОАKС) является распространённым хроническим дегенеративным заболеванием, значительно ухудшающим качество жизни пациентов. На фоне стремительного развития искусственного интеллекта большие языковые модели (БЯМ) продемонстрировали потенциал для извлечения медицинской информации, поддержки принятия клинических решений и обучения пациентов благодаря своим возможностям обработки естественного языка. Однако спектр применения БЯМ в области ОАKС, а также методологическое качество соответствующих исследований ещё не подвергались систематической оценке. Поэтому целью настоящего систематического обзора было всестороннее обобщение существующих клинических исследований применения БЯМ при ОАKС, оценка их эффективности и методологической строгости, а также выявление актуальных проблем и перспективных направлений дальнейших исследований. Методы: В соответствии с рекомендациями PRISMA был проведён систематический поиск литературы, опубликованной по июнь 2025 года включительно, в базах данных PubMed, Cochrane Library, Embase и Web of Science. Протокол был предварительно зарегистрирован на платформе OSF. Отбор исследований проводился с использованием стандартизированных критериев включения и исключения. Были извлечены основные характеристики исследований и показатели оценки эффективности. Методологическое качество оценивали с помощью таких инструментов, как Cochrane RoB, STROBE, STARD и DISCERN. Кроме того, для дополнительной оценки качества и эффективности применялись системы CLEAR-LLM и CliMA-10. Результаты: В обзор были включены 16 исследований, охватывавших различные БЯМ, включая ChatGPT, Gemini и Claude. Сценарии применения включали генерацию текста, лучевую диагностику и обучение пациентов. Большинство исследований имели наблюдательный характер, а общее методологическое качество варьировало от среднего до высокого. Согласно оценкам CliMA-10, БЯМ демонстрировали показатели эффективности от средних до высоких при выполнении задач, связанных с ОАKС. Серия ChatGPT-4 стабильно превосходила другие модели, особенно в генерации структурированных ответов, интерпретации клинической терминологии и точности содержания. К основным ограничениям относилась недостаточ…
1
Применения больших языковых моделей при остеоартрите коленного сустава включали генерацию текста, диагностику по изображениям и обучение пациентов; большинство данных получено из наблюдательных исследований.
2
Общее методологическое качество исследований варьировало от умеренного до высокого, а оценки по CliMA-10 показали результаты от умеренных до высоких при выполнении задач, связанных с остеоартритом коленного сустава.
3
Серия ChatGPT-4 стабильно превосходила другие оценённые модели, особенно в генерации структурированных ответов, интерпретации клинической терминологии и точности содержания.
4
Для оценки качества доказательств и эффективности моделей применялись PRISMA, признанные инструменты методологической оценки, а также фреймворки CLEAR-LLM и CliMA-10.
5
Систематический обзор включил 16 исследований, оценивавших клиническое применение больших языковых моделей при остеоартрите коленного сустава до июня 2025 года.

Клиническое применение больших языковых моделей при остеоартрите коленного сустава

Производительность, методологическое качество и клиническая полезность больших языковых моделей при выполнении задач, связанных с остеоартритом коленного сустава, включая извлечение медицинской информации, диагностику по изображениям, принятие клинических решений и обучение пациентов

Publication Details
Publication Date
2025-11-19
Journal
Publisher
ISSN
Cited by
8
Access Type
Author Information
Authors
Rui Chen
Ziyan Zhang
Zebing Ma
Yibing Liu
Huayu Fan
Xiangyang Cao
Lili Ni
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%