Diagnostyczna i triażowa zdolność współpracy osób bez wykształcenia medycznego z dużymi modelami językowymi w Chinach

Celem tego randomizowanego badania kontrolowanego jest ocena roli dużych modeli językowych w poprawie zdolności osób bez wykształcenia medycznego do samodzielnego diagnozowania i triażu powszechnych chorób. Główne pytania, na które ma odpowiedzieć to badanie, to:

• Czy korzystanie z LLM pomaga uczestnikom w postawieniu bardziej trafnych samodzielnych diagnoz i podjęciu lepszych decyzji dotyczących opieki w przypadku powszechnych chorób, w porównaniu z ich pierwszą domysłem bez jakiejkolwiek pomocy?
• O ile lepsze są wyniki, gdy ludzie współpracują z LLM, w porównaniu z korzystaniem ze standardowej wyszukiwarki, używaniem samego LLM lub decyzjami lekarzy? Badacze porównają uczestników, którzy zostali losowo przydzieleni do grupy LLM (korzystającej z DeepSeek) lub grupy wyszukiwarki, aby sprawdzić, czy podejście wspomagane przez LLM prowadzi do lepszych ocen klinicznych.

Uczestnicy będą:

• Czytać jedną z 48 krótkich, realistycznych wizytówek zdrowotnych;
• Wysuwać początkowy domysł na temat możliwej przyczyny problemu, wymieniając do trzech możliwych przyczyn, uszeregowanych od najbardziej do najmniej prawdopodobnej, i wybierać poziom opieki: natychmiastowa pomoc medyczna, wizyta u lekarza w ciągu jednego dnia, wizyta u lekarza w ciągu tygodnia lub samodzielne leczenie w domu bez pomocy medycznej.
• Korzystać z przypisanego narzędzia (DeepSeek lub standardowej wyszukiwarki) w celu wyszukania informacji i zaktualizowania swojego domysłu oraz decyzji dotyczącej opieki;
• Przesyłać ostateczną diagnozę i wybór opieki po użyciu narzędzia. Dodatkowo zespół badawczy ocenił wyniki czterech innych modeli AI (GPT-4o, GPT-o1, DeepSeek-v3 i DeepSeek-r1) oraz 33 doświadczonych lekarzy rodzinnych na tych samych wizytówkach.