斯坦福大学-医学院使用AI模型，回复患者信息

主要观点总结

本文关注大语言模型在医疗领域的应用和发展。斯坦福大学医学院的研究人员在JAMA Network Open发布了相关论文，深度研究了大语言模型在医疗领域的应用，并使用RE-AIM框架进行评估。测试期间，AI生成的回复草稿平均占20%，不同临床情境下的适用性和价值存在差异。

关键观点总结

关键观点1: 研究背景与社区关注

文章首先介绍了专注于AIGC领域的专业社区对大语言模型（LLM）的关注和AIGC开发者生态的发展。接着提到斯坦福大学医学院的研究人员关于大语言模型在医疗领域的应用研究。

关键观点2: 研究方法与参与者

研究使用了RE-AIM框架进行深度评估，包括覆盖范围、有效性、采纳、实施以及维护/实用性五大维度。测试共有197名临床医护人员参与，其中包括不同职位和角色的医护人员。

关键观点3: AI在医疗领域的应用过程与效果

研究过程中，医护人员使用大语言模型生成的回复草稿来辅助工作。结果显示，AI生成的回复占20%，在不同临床情境下的适用性和价值存在差异。例如，在胃肠病学和肝病学中，护士的利用率最高为29%；临床药师在初级护理中的利用率最高为44%。

关键观点4: 大语言模型在医疗领域的效果评估

研究从多个维度评估了大语言模型的效果。在职业体验方面，医生的认知负荷和工作倦怠有明显下降。医生对回复草稿的实用性、质量和时间效率等方面的主观感受也基本保持稳定，验证了大语言模型的有效性。

关键观点5: 研究的局限与未来展望

虽然大语言模型在某些特定领域并未带来显著改善，但在改善医生职业体验和未来使用期望方面取得了积极成果。医护人员普遍认为大语言模型能够在未来医疗工作中发挥重要作用，并提出了一些优化建议。

文章预览

专注AIGC领域的专业社区，关注微软 、百度文心一言、讯飞星火等大语言模型（LLM）的发展和 应用 落地，聚焦LLM的市场研究和AIGC开发者生态，欢迎关注！ 斯坦福大学医学院的研究人员在知名医学期刊JAMA Network Open发布了一篇论文，主要深度研究了大语言模型在医疗领域的应用。 研究人员将收到参与测试的病人信息转发到EHR 开发平台Epic，并通过 GPT-4G、PT-3.5 Turbo进行内容分类，然后自动生成对应的回复草稿。 本次共有197名临床医护人员参与了测试,这包括58名保健医生和高级医师、10名护士以及胃肠肝脏内科83名医生和高级医师、4名护士和8名临床药剂师等。 结果显示，在5周的测试期间，平均20%的回复由AI生成，在胃肠病学和肝病学，护士的利用率最高为29%；临床药师在初级护理中的利用率最高为44%，这表明大语言模型在不同临床情境下的适用性和 ………………………………