Kiinan kansalaisten ja suurten kielimallien yhteistyön diagnostinen ja priorisointikyky

Tämän satunnaistetun kontrolloidun tutkimuksen tavoitteena on arvioida suurten kielimallien roolia parantamaan tavallisten ihmisten kykyä tehdä itsediagnooseja ja priorisoida yleisiä sairauksia. Pääkysymykset, joihin se pyrkii vastaamaan, ovat:

• Auttaako LLM:n käyttö osallistujia tekemään tarkempia itsediagnooseja ja hoitopäätöksiä yleisistä sairauksista verrattuna heidän ensimmäiseen arvaukseensa ilman apua?
• Kuinka paljon parempi se on, kun ihmiset työskentelevät yhdessä LLM:n kanssa, verrattuna tavallisen hakukoneen käyttöön, LLM:n yksin käyttöön tai siihen, miten lääkärit päättäisivät? Tutkijat vertailevat osallistujia, jotka satunnaisesti sijoitettiin joko LLM-ryhmään (käyttäen DeepSeek:iä) tai hakukoneryhmään nähdäkseen, johtaako LLM-avusteinen lähestymistapa parempiin kliinisiin arvioihin.

Osallistujat:

• Lukevat yhden 48:sta lyhyestä, realistisesta terveystarinasta;
• Tekevät alustavan arvauksen siitä, mikä saattaisi olla vialla listaamalla enintään kolme mahdollista syytä, lueteltuna todennäköisimmästä vähiten todennäköiseen, ja valitsevat hoitotason: hakea välitöntä hoitoa, nähdä lääkäri vuorokauden kuluessa, nähdä lääkäri viikon kuluessa tai hoitaa kotona ilman lääkinnällistä hoitoa.
• Käyttävät määrättyä työkaluaan (joko DeepSeek tai tavallinen hakukone) etsiäkseen tietoa ja päivittääkseen arvauksensa ja hoitopäätöksensä;
• Lähettävät lopullisen diagnoosinsa ja hoitovalintansa työkalun käytön jälkeen. Lisäksi tutkimusryhmä arvioi neljän muun tekoälymallin (GPT-4o, GPT-o1, DeepSeek-v3 ja DeepSeek-r1) sekä 33:n kokeneen yleislääkärin suorituskykyä samoilla tarinoilla.