論文の概要: Evaluating the Application of ChatGPT in Outpatient Triage Guidance: A Comparative Study

• arxiv url: http://arxiv.org/abs/2405.00728v1
• Date: Sat, 27 Apr 2024 04:12:02 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-03 21:02:11.705150
• Title: Evaluating the Application of ChatGPT in Outpatient Triage Guidance: A Comparative Study
• Title（参考訳）: 外来トリアージ指導におけるChatGPTの適用性の検討 : 比較検討
• Authors: Dou Liu, Ying Han, Xiandi Wang, Xiaomei Tan, Di Liu, Guangwu Qian, Kang Li, Dan Pu, Rong Yin,
• Abstract要約: 医療における人工知能の統合は、運用効率と健康結果を高めるための変革的な可能性を示している。 ChatGPTのような大規模言語モデル(LLM)は、医療的意思決定をサポートする能力を示している。 本研究の目的は,ChatGPTが提示する応答の整合性を評価することである。
• 参考スコア（独自算出の注目度）: 11.37622565068147
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The integration of Artificial Intelligence (AI) in healthcare presents a transformative potential for enhancing operational efficiency and health outcomes. Large Language Models (LLMs), such as ChatGPT, have shown their capabilities in supporting medical decision-making. Embedding LLMs in medical systems is becoming a promising trend in healthcare development. The potential of ChatGPT to address the triage problem in emergency departments has been examined, while few studies have explored its application in outpatient departments. With a focus on streamlining workflows and enhancing efficiency for outpatient triage, this study specifically aims to evaluate the consistency of responses provided by ChatGPT in outpatient guidance, including both within-version response analysis and between-version comparisons. For within-version, the results indicate that the internal response consistency for ChatGPT-4.0 is significantly higher than ChatGPT-3.5 (p=0.03) and both have a moderate consistency (71.2% for 4.0 and 59.6% for 3.5) in their top recommendation. However, the between-version consistency is relatively low (mean consistency score=1.43/3, median=1), indicating few recommendations match between the two versions. Also, only 50% top recommendations match perfectly in the comparisons. Interestingly, ChatGPT-3.5 responses are more likely to be complete than those from ChatGPT-4.0 (p=0.02), suggesting possible differences in information processing and response generation between the two versions. The findings offer insights into AI-assisted outpatient operations, while also facilitating the exploration of potentials and limitations of LLMs in healthcare utilization. Future research may focus on carefully optimizing LLMs and AI integration in healthcare systems based on ergonomic and human factors principles, precisely aligning with the specific needs of effective outpatient triage.
• Abstract（参考訳）: 医療における人工知能(AI)の統合は、運用効率と健康結果を高めるための変革的な可能性を示す。 ChatGPTのような大規模言語モデル(LLM)は、医療的意思決定をサポートする能力を示している。 医療システムにLSMを組み込むことは、医療開発において有望なトレンドになりつつある。 救急部門におけるトリアージ問題に対処するChatGPTの可能性を検討するとともに、外来部門におけるChatGPTの適用について検討する研究は少ない。 本研究は, 外来トリアージにおけるワークフローの合理化と効率の向上に焦点をあてて, 内転反応解析と間転反応比較の両方を含む外来指導におけるChatGPTの応答の整合性を評価することを目的とする。 インバージョンの場合、ChatGPT-4.0の内部応答一貫性はChatGPT-3.5 (p=0.03) よりも著しく高く、両者とも中程度の一貫性(4.0は71.2%、3.5は59.6%)を持つ。 しかしながら、バージョン間の一貫性は比較的低い(平均一貫性スコア=1.43/3、中央値=1)。 また、比較で完全に一致するトップレコメンデーションは50%に過ぎません。 興味深いことに、ChatGPT-3.5応答はChatGPT-4.0 (p=0.02) の応答よりも完全である可能性が高い。 この発見は、AI支援外来手術に関する洞察を提供するとともに、医療利用におけるLSMの可能性と限界の探索を促進する。 今後の研究は、エルゴノミクスとヒューマンファクターの原則に基づく医療システムにおけるLSMとAIの統合を慎重に最適化することに焦点を当て、効果的な外来トリアージの特定のニーズと正確に一致させるかもしれない。

関連論文リスト

• Evaluating the Impact of a Specialized LLM on Physician Experience in Clinical Decision Support: A Comparison of Ask Avo and ChatGPT-4 [0.3999851878220878]
  臨床意思決定支援システムを強化するための言語モデル(LLM)は、関心が高まりつつあるトピックである。 幻覚や明確な引用の欠如といった現在の欠点は、急速に成長する臨床環境での使用には信頼性が低い。 本研究では,独自のモデル拡張言語検索システムを組み込んだAvoMDによるAsk Avo由来のソフトウェアを評価する。
  論文  参考訳（メタデータ） (2024-09-06T17:53:29Z)
• GMAI-MMBench: A Comprehensive Multimodal Evaluation Benchmark Towards General Medical AI [67.09501109871351]
  LVLM(Large Vision-Language Model)は、画像、テキスト、生理学的信号などの多様なデータタイプを扱うことができる。 GMAI-MMBenchは、よく分類されたデータ構造と、これまででもっとも包括的な一般医療用AIベンチマークである。 38の医療画像モダリティ、18の臨床関連タスク、18の部門、視覚質問回答(VQA)フォーマットの4つの知覚的粒度からなる284のデータセットで構成されている。
  論文  参考訳（メタデータ） (2024-08-06T17:59:21Z)
• Reshaping Free-Text Radiology Notes Into Structured Reports With Generative Transformers [0.29530625605275984]
  構造化報告(SR)は様々な医療社会で推奨されている。 自由テキストレポートから情報を抽出するパイプラインを提案する。 我々の研究は自然言語処理(NLP)とトランスフォーマーベースのモデルを活用することを目的としている。
  論文  参考訳（メタデータ） (2024-03-27T18:38:39Z)
• AI Hospital: Benchmarking Large Language Models in a Multi-agent Medical Interaction Simulator [69.51568871044454]
  我々は,emphDoctorをプレイヤとして,NPC間の動的医療相互作用をシミュレーションするフレームワークであるtextbfAI Hospitalを紹介した。 この設定は臨床シナリオにおけるLCMの現実的な評価を可能にする。 高品質な中国の医療記録とNPCを利用したマルチビュー医療評価ベンチマークを開発した。
  論文  参考訳（メタデータ） (2024-02-15T06:46:48Z)
• Large Language Models in Medical Term Classification and Unexpected Misalignment Between Response and Reasoning [28.355000184014084]
  本研究は, 軽度認知障害 (MCI) 患者を退院サマリーから識別する, 最先端の大規模言語モデル (LLMs) の有効性を評価するものである。 データは、モデルの微調整と評価のために、トレーニング、検証、テストセットに7:2:1の比率で分割された。 FalconやLLaMA 2のようなオープンソースのモデルは高い精度を達成したが、説明的推論に欠けていた。
  論文  参考訳（メタデータ） (2023-12-19T17:36:48Z)
• Evaluation of ChatGPT-Generated Medical Responses: A Systematic Review and Meta-Analysis [7.587141771901865]
  ChatGPTのような大規模言語モデルは、医療領域でますます研究されている。 本研究の目的は,ChatGPTの医学的パフォーマンスを評価する上で利用可能な証拠を要約することである。
  論文  参考訳（メタデータ） (2023-10-12T15:26:26Z)
• Automatically measuring speech fluency in people with aphasia: first achievements using read-speech data [55.84746218227712]
  本研究の目的は,言語習得の分野で開発された信号処理algorithmの関連性を評価することである。
  論文  参考訳（メタデータ） (2023-08-09T07:51:40Z)
• Comparative Analysis of Drug-GPT and ChatGPT LLMs for Healthcare Insights: Evaluating Accuracy and Relevance in Patient and HCP Contexts [0.0]
  本研究では,3つの生成事前学習型トランスフォーマー(GPT)ソリューションの質問と回答(Q&A)設定における比較分析を行った。 本研究の目的は,アトピー性皮膚炎 (AD) と糖尿病に関する医療専門家 (HCP) の議論に関連し,どのモデルが最も正確かつ関連性の高い情報を提供するかを決定することである。
  論文  参考訳（メタデータ） (2023-07-24T19:27:11Z)
• Large Language Models for Healthcare Data Augmentation: An Example on Patient-Trial Matching [49.78442796596806]
  患者-心電図マッチング(LLM-PTM)のための革新的なプライバシ対応データ拡張手法を提案する。 本実験では, LLM-PTM法を用いて平均性能を7.32%向上させ, 新しいデータへの一般化性を12.12%向上させた。
  論文  参考訳（メタデータ） (2023-03-24T03:14:00Z)
• Does Synthetic Data Generation of LLMs Help Clinical Text Mining? [51.205078179427645]
  臨床テキストマイニングにおけるOpenAIのChatGPTの可能性を検討する。 本稿では,高品質な合成データを大量に生成する新たな学習パラダイムを提案する。 提案手法により,下流タスクの性能が大幅に向上した。
  論文  参考訳（メタデータ） (2023-03-08T03:56:31Z)
• On the Robustness of ChatGPT: An Adversarial and Out-of-distribution Perspective [67.98821225810204]
  本研究は,ChatGPTの頑健性について,敵対的視点とアウト・オブ・ディストリビューションの観点から評価する。 その結果,ほとんどの対人・OOD分類・翻訳作業において一貫した優位性を示した。 ChatGPTは対話関連テキストの理解において驚くべきパフォーマンスを示す。
  論文  参考訳（メタデータ） (2023-02-22T11:01:20Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。