机构名称：
¥ 1.0
本研究探索了基于医疗指南的生成式预训练 Transformer (GPT) 代理使用大型语言模型 (LLM) 技术在创伤性脑损伤 (TBI) 康复相关问题上的应用。为了评估使用 GPT-4 创建的多个代理 (GPT-agents) 的有效性，使用直接 GPT-4 作为对照组 (GPT-4) 进行了比较。GPT-agents 包含多个具有不同功能的代理，包括“医疗指南分类”、“问题检索”、“匹配评估”、“智能问答 (QA)”和“结果评估与来源引用”。从医患问答数据库中选择了脑康复问题进行评估。主要终点是更好的答案。次要终点是准确性、完整性、可解释性和同理心。回答了 30 个问题；总体而言，GPT 代理的响应时间比 GPT-4 长得多，而且字数也更多（时间：54.05 vs. 9.66 秒，字数：371 vs. 57）。但是，与 GPT-4 相比，GPT 代理在更多情况下提供了更出色的答案（66.7 vs. 33.3%）。GPT 代理在准确度评估方面优于 GPT-4（3.8 ± 1.02 vs. 3.2 ± 0.96，p = 0.0234）。未发现不完整答案的差异（2 ± 0.87 vs. 1.7 ± 0.79，p = 0.213）。然而，在可解释性（2.79 ± 0.45 vs. 07 ± 0.52，p < 0.001）和同理心（2.63 ± 0.57 vs. 1.08 ± 0.51，p < 0.001）评估方面，GPT 代理表现明显更好。根据医学指南，GPT 代理提高了对 TBI 康复问题回答的准确性和同理心。本研究提供了指南参考，并展示了更好的临床可解释性。然而，需要通过临床环境中的多中心试验进一步验证。本研究提供了实用见解，并为 LLM 代理医学的潜在理论整合奠定了基础。
根据医学指南的 GPT 药物可以改善……
主要关键词
相关文件推荐
