Diagnostická a triážní kapacita spolupráce laiků a velkých jazykových modelů v Číně

Cílem této randomizované kontrolované studie je vyhodnotit roli velkých jazykových modelů při zlepšování schopnosti laiků samostatně diagnostikovat a třídit běžná onemocnění. Hlavní otázky, na které si klade za cíl odpovědět, jsou:

• Pomáhá použití LLM účastníkům při přesnějších vlastních diagnózách a rozhodnutích o péči u běžných onemocnění ve srovnání s jejich prvním odhadem bez jakékoli pomoci?
• O kolik je to lepší, když lidé spolupracují s LLM, ve srovnání s použitím běžného vyhledávače, použitím samotného LLM nebo jak by se rozhodovali lékaři? Výzkumníci porovnají účastníky, kteří byli náhodně zařazeni do skupiny LLM (používající DeepSeek) nebo do skupiny vyhledávače, aby zjistili, zda přístup s asistencí LLM vede k lepším klinickým úsudkům.

Účastníci budou:

• Přečtou si jeden z 48 krátkých, realistických zdravotních vignet;
• Udělají počáteční odhad o tom, co by mohlo být špatně, uvedením až tří možných příčin seřazených od nejpravděpodobnější po nejméně pravděpodobnou, a zvolí úroveň péče: vyhledat okamžitou péči, navštívit lékaře do jednoho dne, navštívit lékaře do jednoho týdne nebo zvládnout doma bez lékařské péče.
• Použijí jim přidělený nástroj (buď DeepSeek nebo standardní vyhledávač) k vyhledání informací a aktualizují svůj odhad a rozhodnutí o péči;
• Po použití nástroje odešlou svou konečnou diagnózu a volbu péče. Kromě toho studijní tým vyhodnotil výkonnost čtyř dalších modelů AI (GPT-4o, GPT-o1, DeepSeek-v3 a DeepSeek-r1) a 33 zkušených praktických lékařů na stejných vignetách.