基于生成式 AI 的科学文献极端摘要改进初级医疗工作流

初级保健专业人员难以跟上对其日常工作相关的循证实践具有关键指导作用的最新科学文献。为帮助解决上述问题，我们采用基于大规模语言模型的生成式人工智能技术来摘要科学论文的摘要。我们的目标在于探究生成式人工智能在减轻从业者认知负荷方面的潜力，从而探索其缓解心智努力与负担的能力。研究参与者获提供与预防保健和行为改变相关的两个用例，模拟对新科学文献的检索。研究包含来自斯洛文尼亚和美国的 113 名大学生，被随机分为三个不同研究组。第一组被分配完整摘要。第二组被分配由 AI 生成的短摘要。第三组除 AI 生成的简短摘要外，可选择查看完整摘要。每个用例研究包含十篇检索到的摘要。我们的研究表明，使用生成式 AI 进行文献综述高效且有效。与使用完整摘要的第一组相比，第二组和第三组回答与摘要内容相关问题所需时间显著更短。然而，结果也显示在未提供完整摘要的情况下提取知识的准确率显著更低。此类颠覆性技术可显著减少医疗专业人员跟上最新科学文献所需的时间；尽管如此，仍需进一步发展以助其准确理解知识。