生成式 AI 在下背痛患者的临床患者教育中尚未就绪，尽管采用了检索增强生成技术
人工智能
2024-09-24 v1 信息检索
摘要
低背痛 (LBP) 是全球导致残疾的主要原因之一。发生 LBP 后及 subsequent 治疗后，充分的患者教育对于改善功能和长期结果至关重要。尽管患者教育策略取得了进展，但在为 LBP 患者提供个性化、基于证据的信息时仍存在显著差距。近期大型语言模型 (LLM) 和生成式人工智能 (GenAI) 的发展表明，有望提升患者教育。然而，这些技术在为 LBP 患者提供教育内容的应用和效果仍未得到充分探索，亟需进一步研究。在本研究中，我们引入了一种新方法，利用 LLM 结合检索增强生成 (RAG) 技术和 few-shot 学习，为 LBP 患者生成量身定制的教育材料。物理治疗师师傅手动评估我们生成的模型响应在冗余性、准确性和完整性方面的表现，使用 Likert 量表进行评估。此外，还采用 Flesch Reading Ease 评分来评估生成教育材料的可读性。研究结果表明，基于 RAG 的 LLM 在提供更准确、更完整、更具可读性的患者教育材料方面优于传统 LLM，并且冗余性更低。尽管如此，我们的分析显示，生成的材料尚未准备好在临床实践中使用。这项研究强调了利用 RAG 驱动的 AI 模型来改进 LBP 患者教育的潜力；然而，在确保这些模型生成内容的临床相关性和细粒度水平方面仍存在诸多挑战。
引用
@article{arxiv.2409.15260,
title = {Generative AI Is Not Ready for Clinical Use in Patient Education for Lower Back Pain Patients, Even With Retrieval-Augmented Generation},
author = {Yi-Fei Zhao and Allyn Bove and David Thompson and James Hill and Yi Xu and Yufan Ren and Andrea Hassman and Leming Zhou and Yanshan Wang},
journal= {arXiv preprint arXiv:2409.15260},
year = {2024}
}