Redefining Digital Health Interfaces with Large Language Models

要約

デジタル医療ツールは、医療サービスの提供を大幅に改善する可能性を秘めています。
ただし、ユーザビリティと信頼性をめぐる課題のせいで、その採用は依然として比較的限定的です。
大規模言語モデル (LLM) は、複雑な情報を処理し、人間レベルのテキストを生成する機能を備えた汎用モデルとして登場し、医療における潜在的なアプリケーションを豊富に示しています。
ただし、LLM は一貫性のない、または意味不明な回答を提供する可能性があるため、臨床現場で LLM を直接適用することは簡単ではありません。
LLM ベースのシステムが外部ツールを利用し、臨床医とデジタル テクノロジーの間に新しいインターフェイスを提供する方法を示します。
これにより、デジタル ヘルスケア ツールと AI モデルの実用性と実用的な効果が向上し、幻覚などの臨床現場での LLM の使用に関する現在の問題に対処できます。
心血管疾患のリスク予測の例を使用して、LLM ベースのインターフェイスを説明します。
私たちは、自動化された機械学習を使用して新しい予測ツールを開発し、LLM がモデルと既存のリスク スコアの両方に独自のインターフェイスをどのように提供できるかを実証し、デジタル ツールの従来のインターフェイスと比較した利点を強調します。

要約(オリジナル)

Digital health tools have the potential to significantly improve the delivery of healthcare services. However, their adoption remains comparatively limited due, in part, to challenges surrounding usability and trust. Large Language Models (LLMs) have emerged as general-purpose models with the ability to process complex information and produce human-quality text, presenting a wealth of potential applications in healthcare. Directly applying LLMs in clinical settings is not straightforward, however, with LLMs susceptible to providing inconsistent or nonsensical answers. We demonstrate how LLM-based systems can utilize external tools and provide a novel interface between clinicians and digital technologies. This enhances the utility and practical impact of digital healthcare tools and AI models while addressing current issues with using LLMs in clinical settings such as hallucinations. We illustrate LLM-based interfaces with the example of cardiovascular disease risk prediction. We develop a new prognostic tool using automated machine learning and demonstrate how LLMs can provide a unique interface to both our model and existing risk scores, highlighting the benefit compared to traditional interfaces for digital tools.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google