Диагностические и триажные возможности сотрудничества непрофессионалов и больших языковых моделей в Китае

Цель этого рандомизированного контролируемого исследования — оценить роль больших языковых моделей в повышении способности обычных людей к самодиагностике и сортировке распространенных заболеваний. Основные вопросы, на которые оно направлено ответить:

• Помогает ли использование LLM участникам ставить более точные самодиагнозы и принимать более правильные решения по уходу при распространенных заболеваниях по сравнению с их первоначальным предположением без какой-либо помощи?
• Насколько лучше результаты, когда люди работают вместе с LLM, по сравнению с использованием обычной поисковой системы, использованием только LLM или решениями, которые приняли бы врачи? Исследователи сравнят участников, случайным образом распределенных либо в группу LLM (использующую DeepSeek), либо в группу поисковой системы, чтобы выяснить, приводит ли подход с помощью LLM к лучшим клиническим решениям.

Участники будут:

• Читать один из 48 коротких, реалистичных медицинских виньеток;
• Делать первоначальное предположение о том, что может быть не так, перечисляя до трех возможных причин, ранжированных от наиболее до наименее вероятных, и выбирать уровень медицинской помощи: обратиться за немедленной помощью, обратиться к врачу в течение одного дня, обратиться к врачу в течение одной недели или справляться дома без медицинской помощи.
• Использовать назначенный им инструмент (либо DeepSeek, либо стандартную поисковую систему) для поиска информации и обновления своего предположения и решения по уходу;
• Предоставлять свой окончательный диагноз и выбор ухода после использования инструмента. Кроме того, исследовательская группа оценила производительность четырех других моделей искусственного интеллекта (GPT-4o, GPT-o1, DeepSeek-v3 и DeepSeek-r1) и 33 опытных врачей общей практики на тех же виньетках.