Влияние GPT-4 на диагностическое мышление врачей: перспективы интеграции ИИ в клиническую практику.

Исследование влияния GPT-4 на диагностическое мышление врачей: понимание и будущие направления для интеграции ИИ в клиническую практику

Диагностические ошибки распространены и могут привести к серьезному ущербу для пациентов. Использование LLMs, способных генерировать ответы, аналогичные человеческому рассуждению, показало перспективы в обработке сложных случаев и взаимодействий с пациентами. Эти модели начинают внедряться в здравоохранение, где они, скорее всего, улучшат, а не заменят, человеческую экспертизу. Дальнейшие исследования необходимы для понимания их воздействия на улучшение диагностического мышления и точности.

В рамках исследования было проведено рандомизированное клиническое вигнетное исследование для оценки того, как GPT-4, модель ИИ по обработке языка, влияет на диагностическое мышление врачей по сравнению с традиционными диагностическими ресурсами. Результаты показали улучшение эффективности для группы, использующей GPT-4, с меньшим временем на случай. GPT-4 сам по себе превзошел обе группы врачей по диагностической производительности. Эти выводы указывают на потенциальные преимущества сотрудничества врачей с ИИ, однако требуются дополнительные исследования для оптимизации этой интеграции в клинической среде.

Участники были разделены на две группы: одной был предоставлен доступ к GPT-4 через интерфейс ChatGPT Plus, другой использовала традиционные диагностические ресурсы. Им был предоставлен час для завершения вигнетт, основанных на реальных случаях пациентов. Результаты оценивались с учетом структурированного рефлексивного мышления и других показателей, таких как точность диагностики и затраченное время. Участникам была предоставлена компенсация за участие.

В исследовании участвовали 50 американских врачей (26 аттендингов, 24 резидента) с медианным опытом практики 3 года. Участники были разделены на две группы: одна использовала GPT-4, а другая – традиционные ресурсы. Группа с GPT-4 продемонстрировала незначительно более высокую диагностическую производительность, но разница была не статистически значима. Время, затраченное на каждый случай, также было незначительно меньше при использовании GPT-4, хотя и не имело статистической значимости.