Модели искусственного интеллекта точно отвечают на клинические вопросы о мочекаменной болезни

Инструменты искусственного интеллекта, способные понимать и генерировать естественный язык, демонстрируют замечательную способность поддерживать медицинских специалистов в узких медицинских областях. Недавно было проведено оценивание четырех таких систем, которым задавали точные клинические вопросы, касающиеся ведения пациентов с мочекаменной болезнью — частой и сложной патологии.

Исследователи разработали сто пять вопросов, охватывающих различные аспекты этого заболевания: от диагностики до лечения, включая особые ситуации, такие как беременность или педиатрические случаи. Каждая система отвечала на эти вопросы в ходе двух отдельных сессий. Два опытных уролога затем оценили ответы, сравнив их с рекомендациями ведущих клинических руководств. Результаты показывают, что все системы получили высокие оценки, со средним значением от 86 до 93 процентов, что указывает на высокую соответствие медицинским рекомендациям. Среди них одна из моделей выделилась особенно сильной корреляцией с оценками экспертов, достигнув уровня согласованности в 94 процента.

Существенных различий в эффективности систем или между различными категориями вопросов обнаружено не было, что свидетельствует о стабильности их способности предоставлять надежную информацию. Кроме того, ответы, сгенерированные в ходе двух сессий, были очень похожи, что подтверждает повторяемость результатов.

Таким образом, эти инструменты могут служить поддержкой в медицинском обучении и клинической помощи, предлагая ответы, соответствующие лучшим практикам. Их использование в качестве дополнительного помощника в области урологии кажется многообещающим, хотя для подтверждения их полезности в повседневной практике требуются дополнительные проверки в реальных условиях. Их интеграция может облегчить доступ к стандартизированной и актуальной информации, подчеркивая при этом важность сохранения человеческого контроля для обеспечения безопасности и релевантности медицинских решений.

Sources et crédits

Étude source

DOI : https://doi.org/10.1007/s00240-026-02013-1

Titre : Performance of large language models in urological decision support: a guideline-based comparative evaluation in urolithiasis

Revue : Urolithiasis

Éditeur : Springer Science and Business Media LLC

Auteurs : Adem Tunçekin; Yasin Aktaş