Diagnosticering og behandling af lymfødem (CDTL)

Differentiel diagnostik af nedsvulming i nedre ekstremiteter forbliver problematisk i klinisk praksis, da lymfødem, lipødem og perifer venøs sygdom ofte præsenterer med lignende karakteristika. Derfor har vi udviklet LymphedemaGPT, en GPT-5-baseret klinisk assistent designet til at hjælpe praktiserende læger med at navigere i disse diagnostiske kompleksiteter.

LymphedemaGPT blev designet til at analysere struktureret patientdata for at uddrage kliniske resuméer, præsentere mulige diagnoser med procentvise sandsynligheder, oprette differentialdiagnosetabeller, foreslå yderligere diagnostiske test og generere evidensbaserede behandlingsplaner.

LymphedemaGPT's svar er baseret på syv videnskabelige publikationer uploadet til systemet, udover Sleigh BC & Manna B (2023) og Rockson-tilgangene. På grund af denne ressourceintegration kan modellen levere mere pålidelige og konsistente anbefalinger i overensstemmelse med evidensbaseret medicins principper baseret på aktuelle retningslinjer og videnskabelige publikationer.

Omfattende prompt engineering-teknikker blev anvendt for at optimere LymphedemaGPT's diagnostiske og terapeutiske nøjagtighed.

Modellen er programmeret til at prioritere spørgefasen indtil en diagnose er bekræftet. I de indledende svar blev kun stillede struktureret anamnese-spørgsmål, og efter tilstrækkelig information var indsamlet, blev systematisk analyse og behandlingsplanlægning igangsat. Svarrækkefølgen var designet som følger: (1) anamnesesamling, (2) foreløbig vurdering, (3) yderligere spørgsmål (hvis nødvendigt), og (4) systematisk analyse og behandlingsplanlægning når tilstrækkelige data var opnået.

Følgende patientdata blev præsenteret for LymphedemaGPT i et struktureret format:

Demografiske data: Alder, køn, højde, vægt Sygehistorie: Yderligere sygdomme, anvendte lægemidler, vaner (rygning, alkohol) Klagekarakteristika: Tidspunkt for debut, berørt område, symptomer (smerte, tyngde, følelsesløshed, prikken, stivhed, begrænset bevægelighed, svaghed, etc.) Fysiske undersøgelsesfund: Stemmer-tegn, hævelsesændring med hævning, hudfund Sygehistorie: Infektionshistorie, operationshistorie, malignitetshistorie (strålebehandling, kemoterapi, lymfeknudedissektion, kræfttype) Billeddiagnostik: Doppler-ultralydsscanning og lymfescintigrafi resultater, hvis tilgængelige

LymphedemaGPT blev bedt om at svare i følgende 12-delt standardformat: (1) Klinisk resumé, (2) Mulige diagnoser (% sandsynlighed), (3) Differentialdiagnose, (4) Anbefalede diagnostiske test, (5) Behandlingsplan, (6) Patientundervisning og opfølgning, (7) Advarselstegn, (8) referencer, (9) Evidensniveau og tillidsscore, (10) Etisk note, (11) Dataresumé (JSON/CSV), og (12) Analysetidsstempel.

LymphedemaGPT's præstation blev evalueret af erfarne læger baseret på følgende otte kriterier:

1. Nøjagtighed og tilstrækkelighed af klinisk resumé
2. Nøjagtighed af primær diagnose
3. Nøjagtighed af differentialdiagnosetabel
4. Egnethed af anbefalede diagnostiske test
5. Overensstemmelse af behandlingsplan med aktuelle retningslinjer
6. Egnethed af kompressionsklasse/træning-kost anbefalinger
7. Tilstrækkelighed af advarselstegn
8. Samlet klinisk anvendelighed

Hvert kriterium blev scoreret ved brug af en 5-punkts Likert-skala: 5 = fremragende/fuldstændig egnet, 4 = god/betydeligt egnet, 3 = moderat/delvist egnet, 2 = dårlig/utilstrækkelig, og 1 = meget dårlig/ikke egnet. Den maksimale score for hvert tilfælde var 40 (8 kriterier × 5 point), og den minimale score var 8.

To erfarne læger udførte evalueringen uafhængigt. Evaluatorerne var fysisk medicin og rehabiliteringsspecialister med erfaring i håndtering af lymfødem og lipødem, og de udførte scoringen uafhængigt.