HƯỚNG DẪN ứng dụng

Sử dụng ChatGPT để chẩn đoán phân biệt

Các mô hình ngôn ngữ lớn như GPT-4 có thể tạo ra danh sách chẩn đoán phân biệt hợp lý từ mô tả trường hợp và trong các nghiên cứu đã xuất bản, chúng thường bao gồm chẩn đoán chính xác.

Nghe hướng dẫn nàyAI thuật lại · ~3 min

Trên trang nàyđọc 4 phút
  1. Tổng quan
  2. Lặn sâu
  3. Triển khai trong thế giới thực
  4. Tương lai của việc sử dụng ChatGPT để chẩn đoán phân biệt
  5. Đưa nó vào thực tế
  6. Tiếp tục khám phá
  7. Câu hỏi thường gặp

Tổng quan

Chúng không phải là thiết bị chẩn đoán được xác nhận. Cách sử dụng an toàn nhất của chúng là như một cuộc động não có cấu trúc của ý kiến ​​thứ hai mà bác sĩ lâm sàng kiểm tra bệnh nhân và các bác sĩ hiểu cả điểm mạnh cũng như phương thức thất bại của họ sẽ tận dụng tối đa chúng.

Lặn sâu

Phần lớn bằng chứng đến từ các họa tiết vụ án. Trong thư nghiên cứu JAMA năm 2023, Kanjee và các đồng nghiệp đã thử nghiệm GPT-4 trên 70 trường hợp khó từ các hội nghị về bệnh lý lâm sàng của Tạp chí Y học New England. Chẩn đoán cuối cùng xuất hiện trong phần phân biệt của mô hình trong khoảng 64% trường hợp và là chẩn đoán hàng đầu trong khoảng 39%. Một thử nghiệm ngẫu nhiên của Goh và các đồng nghiệp, được xuất bản trên JAMA Network Open vào năm 2024, đã cung cấp cho 50 bác sĩ GPT-4 cùng với các tài nguyên thông thường hoặc chỉ riêng tài nguyên thông thường cho các trường hợp chẩn đoán có cấu trúc. Việc truy cập GPT-4 không cải thiện đáng kể điểm lý luận chẩn đoán của bác sĩ. Tuy nhiên, GPT-4 làm việc một mình đạt điểm cao hơn đáng kể so với các bác sĩ chỉ sử dụng các nguồn lực thông thường. Một cách giải thích là các bác sĩ đã không biết cách sử dụng tốt công cụ này hoặc không tin tưởng nó khi nó không đồng tình với họ. Các hệ thống nghiên cứu như AMIE của Google cũng đã được thử nghiệm trên đối thoại chẩn đoán và tạo ra sự khác biệt, với kết quả rõ ràng trong các nghiên cứu có kiểm soát. Những kết quả này cần đọc cẩn thận. Chuỗi trường hợp đã xuất bản có thể nằm trong dữ liệu huấn luyện của mô hình. Các họa tiết đến đã được làm sạch, với những phát hiện liên quan được chọn và tóm tắt, trong khi những bệnh nhân thực sự lại đưa ra những thông tin không đầy đủ, mâu thuẫn và không được nêu rõ. Việc chấm điểm "chẩn đoán chính xác ở đâu đó trong danh sách" sẽ thưởng cho danh sách dài, điều này có thể thúc đẩy việc xét nghiệm thêm. Quan niệm sai lầm phổ biến là độ chính xác của điểm chuẩn tương đương với độ chính xác tại giường bệnh. Nó không. Các chế độ thất bại đã biết bao gồm lý luận tự tin nhưng sai lầm, tài liệu tham khảo được phát minh hoặc ngưỡng phòng thí nghiệm, dựa vào bất kỳ chẩn đoán nào mà người dùng gợi ý, quá chú trọng vào các bài thuyết trình trong sách giáo khoa thông thường và thiếu các điều kiện quan trọng về thời gian khi mô tả bỏ qua các dấu hiệu quan trọng. Quyền riêng tư là một vấn đề riêng biệt. Việc nhập thông tin có thể nhận dạng bệnh nhân vào chatbot dành cho người tiêu dùng mà không có thỏa thuận liên kết kinh doanh có thể vi phạm HIPAA, vì vậy các bác sĩ lâm sàng nên sử dụng các công cụ mà tổ chức của họ đã phê duyệt.

Triển khai trong thế giới thực

Một bác sĩ bệnh viện nhập một bản tóm tắt không xác định được về tình trạng sốt, phát ban, tăng bạch cầu ái toan và một loại thuốc chống co giật mới vào công cụ AI đã được phê duyệt trong hệ thống y tế của cô ấy và yêu cầu những chẩn đoán không thể bỏ lỡ. DRESS xuất hiện trong danh sách và cô ấy xem lại lịch trình dùng thuốc.

Một bác sĩ nội trú hỏi mô hình những phát hiện nào sẽ phân biệt tốt nhất ba chẩn đoán hàng đầu về chứng khó thở cấp tính của anh ta, sau đó sử dụng câu trả lời để lập kế hoạch kiểm tra và kiểm tra tập trung chứ không phải để giải quyết chẩn đoán.

Một bác sĩ chăm sóc chính nghi ngờ mắc bệnh do vi-rút yêu cầu người mẫu tranh luận về chẩn đoán chính của cô ấy và liệt kê những gì cô ấy có thể thiếu. Đây là một cuộc kiểm tra có chủ ý về việc neo đậu.

Một bác sĩ lâm sàng nhận được hai danh sách xếp hạng khác nhau sau khi hỏi cùng một câu hỏi hai lần với cách diễn đạt hơi khác nhau và coi đó là dấu hiệu cho thấy thứ tự của mô hình không phải là ước tính xác suất.

Tương lai của việc sử dụng ChatGPT để chẩn đoán phân biệt

AI chẩn đoán đang chuyển từ các chatbot thông thường sang các công cụ được tích hợp trong EHR và nền tảng bằng chứng, nơi chúng có thể xem dữ liệu có cấu trúc và trích dẫn nguồn. Điều đó có thể làm giảm một số sai sót, nhưng nó làm tăng thêm nguy cơ các bác sĩ lâm sàng trì hoãn một đề xuất tự tin. Thử nghiệm của Goh chỉ ra câu hỏi mở: các bác sĩ lâm sàng và người mẫu nên làm việc cùng nhau như thế nào, chứ không chỉ riêng mô hình đó chính xác đến mức nào. Các nghiên cứu tiền cứu với bệnh nhân thực và kết quả thực vẫn còn khan hiếm so với các tiêu chuẩn minh họa. Cho đến khi tồn tại nhiều hơn, quan điểm có thể bào chữa là những công cụ này có thể mở rộng sự khác biệt và nhanh chóng xem xét lại. Bác sĩ lâm sàng vẫn sở hữu chẩn đoán.

Đưa nó vào thực tế

Tại sao nó quan trọng

  • Xây dựng lựa chọn. Thiết kế cấp ứng dụng xác định liệu AI có cải thiện kết quả thực tế hay không.
  • Nhóm và quy trình làm việc. Tích hợp quy trình làm việc tốt sẽ giúp tăng năng suất mà người dùng có thể tin tưởng.
  • Rủi ro và an toàn. Các trường hợp sử dụng có phạm vi phù hợp giúp giảm bớt sự mệt mỏi khi thay đổi và rủi ro triển khai.

coi chừng

  • Tự động hóa một quy trình bị hỏng có thể khuếch đại các vấn đề hiện có.
  • Các nhóm có thể tự động hóa quá mức và loại bỏ sự phán xét cần thiết của con người.
  • Chất lượng có thể thay đổi nếu kết quả đầu ra không được đánh giá liên tục.

Các bước tiếp theo

  1. Lập sơ đồ quy trình làm việc hiện tại và xác định bước có mức độ ma sát cao nhất.
  2. Xác định các điểm kiểm tra của con người trước khi tự động hóa hoàn toàn.
  3. Đào tạo người dùng về lời nhắc, đường dẫn leo thang và tiêu chuẩn chất lượng.
  4. Theo dõi kết quả ở cấp độ nhiệm vụ để xác nhận giá trị bền vững.

Tiếp tục khám phá

Bản tin miễn phí

Nhận bản tóm tắt AI hàng ngày

Ba câu chuyện AI đã được xác minh vào mỗi buổi sáng các ngày trong tuần, được viết bằng tiếng Anh đơn giản. Miễn phí mãi mãi, không có quảng cáo.

Một email mỗi ngày trong tuần. Hủy đăng ký trong một cú nhấp chuột. Chúng tôi không bao giờ bán hoặc chia sẻ địa chỉ của bạn.

Tự kiểm tra

Take the Using ChatGPT for Differential Diagnosis quiz

Phản hồi tức thì về mọi câu trả lời và chứng chỉ có thể chia sẻ với ID có thể xác minh sau khi bạn vượt qua khóa học.

Bắt đầu bài kiểm tra

Hỗ trợ giáo dục AI miễn phí. AI Understanding là tổ chức phi lợi nhuận 501(c)(3) — không bao giờ có quảng cáo, không có tường phí. Hãy quyên góp

Câu hỏi thường gặp

Sử dụng ChatGPT để chẩn đoán phân biệt là gì?

Các mô hình ngôn ngữ lớn như GPT-4 có thể tạo ra danh sách chẩn đoán phân biệt hợp lý từ mô tả trường hợp và trong các nghiên cứu đã xuất bản, chúng thường bao gồm chẩn đoán chính xác. Chúng không phải là thiết bị chẩn đoán được xác nhận. Cách sử dụng an toàn nhất của chúng là như một cuộc động não có cấu trúc của ý kiến ​​thứ hai mà bác sĩ lâm sàng kiểm tra bệnh nhân và các bác sĩ hiểu cả điểm mạnh cũng như phương thức thất bại của họ sẽ tận dụng tối đa chúng.

Trong thử nghiệm GPT-4 năm 2023 của Kanjee và các đồng nghiệp đối với các trường hợp bệnh lý lâm sàng NEJM, tần suất chẩn đoán cuối cùng ở bất kỳ đâu trong sự khác biệt của mô hình là bao nhiêu?

Chẩn đoán cuối cùng có sự khác biệt trong khoảng 64% trường hợp và là chẩn đoán hàng đầu trong khoảng 39%.

Kết quả chính của 2024 Goh et al. thử nghiệm ngẫu nhiên?

Các bác sĩ với GPT-4 không vượt trội đáng kể so với các bác sĩ có nguồn lực thông thường, tuy nhiên riêng mô hình này đã đạt điểm cao hơn. Điều đó chỉ ra cách mọi người sử dụng công cụ này.

Tại sao điểm chuẩn họa tiết có thể phóng đại mức độ hiệu quả của một mô hình với bệnh nhân thực?

Các phát hiện được sắp xếp trước và khả năng ô nhiễm dữ liệu đào tạo đều khiến cho các họa tiết trở nên dễ dàng hơn so với các cuộc gặp gỡ thực tế lộn xộn.

Một bác sĩ lâm sàng hỏi: "Đây có phải là bệnh lupus không?" khi bắt đầu lời nhắc của cô ấy. Chế độ thất bại nào được mời?

Các mô hình có xu hướng đồng ý với khuôn khổ mà chúng được đưa ra, do đó việc gợi ý về một chẩn đoán sẽ kéo sự khác biệt về phía nó.

Tại sao việc cho điểm "chẩn đoán chính xác ở bất kỳ đâu trong danh sách" lại là một thước đo thiếu sót?

Một danh sách dài hơn có nhiều khả năng chứa đựng câu trả lời hơn, nhưng sự khác biệt lâu dài trong thực tế có thể dẫn đến những công việc bổ sung và không cần thiết.