机构名称：
¥ 1.0
的目的：使用模式电子图数据来评估一种大型语言模型Claude-3（一种大语言模型）的诊断准确性，并评估了病理特征和色素性视网膜炎和锥体杆状营养不良的诊断。方法：来自健康个体的模式电子模拟测量的子集，色素性视网膜炎和锥体棒性营养不良的患者是从PERG-IOBA数据集中随机选择的。向Claude-3提供了模式的电视图和临床数据，包括年龄，性别，视力，以进行分析和诊断预测。在两种情况下评估了模型的准确性：“第一选择”，评估了主要差异诊断的准确性和“前三名”，评估了是否包含在前三名鉴别诊断中的正确诊断。结果：研究中总共包括46名受试者：20个健康个体，13例色素性视网膜炎患者，13例锥体-ROD营养不良患者。Claude-3在检测病理学的存在或不存在时达到了100％的准确性。在“第一选择”方案中，该模型在诊断色素性视网膜炎（61.5％）和锥体棒性营养不良（53.8％）方面表现出适度的准确性。然而，在“前3个”方案中，该模型的性能显着提高，色素性视网膜炎的精度为92.3％，锥体-ROD营养不良症的精度为76.9％。结论：这是第一个证明大语言模型，特别是Claude-3的潜力的研究，分析模式电子模拟数据以诊断视网膜疾病。未来的研究应集中于整合多模式数据，并与人类专家进行比较分析。尽管有一些局限性，但该模型在检测病理学和区分特定疾病方面的高精度突出了大语言模型在眼生理学中的潜力。关键词：色素性视网膜炎，锥杆营养不良，模式电子图，大语言模型
用人工智能诊断视网膜疾病
主要关键词
相关文件推荐
