Effectiviteit van een eTriaging-systeem voor ziektetriage

Experimenteel: Een zelfevaluatietool gebaseerd op het Large Language Model

De zelfevaluatietool, aangedreven door een groot taalmodel, verwerkt gebruikersvragen via een uitgebreid generatie-, beslissings-, actie- en veiligheidskader om optimale antwoorden te leveren. Tot de belangrijkste kenmerken van het systeem behoren retrieval-augmented in-context learning, dat de reacties verbetert die worden gegenereerd door het verkrijgen van informatie van betrouwbare websites. Het bevat ook een Guardrail-module om potentiële schadelijke inhoud in de reacties te beperken door de inhoud te valideren vóór levering. Bovendien beschikt het systeem over een zelfcontrolerende geheugenmodule die essentiële klinische kenmerken behoudt tijdens multi-turn dialogen, waardoor consistente en continue interacties met gebruikers worden gegarandeerd.

Ander: Een zelfevaluatietool gebaseerd op het Large Language Model

Na de basisbeoordeling worden de deelnemers begeleid bij het zelfstandig gebruiken van een zelfevaluatie-instrument om hun risico op diabetische retinopathie (DR) te beoordelen. Deze tool is een samensmelting van een conversationeel AI-systeem gebaseerd op LLM en een bestaand logistiek diagnostisch model.

Het AI-systeem is ontworpen om klinische variabelen te verzamelen, waaronder leeftijd, duur van de diabetes, Body Mass Index (BMI) en insulinegebruik. Bovendien zullen klinische testgegevens zoals gemiddelde arteriële druk, HbA1c, serumcreatinine en microalbuminurie worden geëxtraheerd uit een lokale dataset met behulp van de naam en ID van de patiënt. Eenmaal verzameld, worden deze gegevens verzonden naar een servergebaseerd diagnostisch model voor verdere analyse om de aanwezigheid van DR te bepalen.

AUROC van de zelfevaluatietool

De prestaties van het zelfevaluatietool worden nauwkeurig geëvalueerd aan de hand van de diagnostische labels door senior oogartsen op basis van fundusfoto's.