Den diagnostiske og triagekapacitet af samarbejde mellem lægfolk og store sprogmodeller i Kina

Formålet med denne randomiserede kontrollerede undersøgelse er at evaluere store sprogmodellers rolle i at forbedre almindelige menneskers evne til selv at diagnosticere og prioritere almindelige sygdomme. De vigtigste spørgsmål, den søger at besvare, er:

• Hjælper brugen af en LLM deltagerne med at foretage mere præcise selvdiagnoser og plejebeslutninger for almindelige sygdomme sammenlignet med deres første gæt uden hjælp?
• Hvor meget bedre er det, når folk arbejder sammen med en LLM, sammenlignet med at bruge en almindelig søgemaskine, bruge LLM'en alene, eller hvordan læger ville beslutte? Forskere vil sammenligne deltagere, der tilfældigt blev tildelt enten LLM-gruppen (som bruger DeepSeek) eller søgemaskinegruppen, for at se, om LLM-assisterede tilgange fører til bedre kliniske vurderinger.

Deltagerne vil:

• Læse en af 48 korte, realistiske sundhedsvignetter;
• Foretage et indledende gæt om, hvad der kunne være galt, ved at opstille op til tre mulige årsager, rangeret fra mest til mindst sandsynlige, og vælge et plejeniveau: søg øjeblikkelig pleje, se en læge inden for en dag, se en læge inden for en uge eller håndtere det hjemme uden lægehjælp.
• Bruge deres tildelte værktøj (enten DeepSeek eller en standard søgemaskine) til at slå information op og opdatere deres gæt og plejebeslutning;
• Indsende deres endelige diagnose og plejevalg efter brug af værktøjet. Derudover evaluerede undersøgelsesteammen ydeevnen af fire andre AI-modeller (GPT-4o, GPT-o1, DeepSeek-v3 og DeepSeek-r1) og 33 erfarne praktiserende læger på de samme vignetter.