每日劑量：用於放射腫瘤學臨床總結和試驗識別的工作流整合大語言模型自動化
本文介紹了“每日劑量”（TDD）系統，這是一個由大語言模型驅動的自動化臨床總結和臨床試驗識別系統，整合到常規放射腫瘤學實踐中。透過混合方法評估，對55名臨床醫生進行了調查，結果顯示系統具有良好的可用性、滿意度，並有望節省時間。
文章情報
要點
- TDD系統利用RadOnc-GPT每天自動生成醫生特定的電子郵件摘要，包括患者日程、電子健康記錄狀態總結以及潛在相關臨床試驗的識別。
- 在55名受訪者中，94.5%工作在放射腫瘤學領域，69.1%是主治醫師，83.6%每天或每週多次使用TDD。
- 可用性和滿意度的平均得分為3.89（5分制），總體滿意度與感知的時間節省呈正相關。
為什麼重要
這條新聞值得關注，因為TDD系統利用RadOnc-GPT每天自動生成醫生特定的電子郵件摘要，包括患者日程、電子健康記錄狀態總結以及潛在相關臨床試驗的識別。
技術影響
可能影響模型選型、推理成本、產品能力和評測基準。
放射腫瘤學領域的一項新研究介紹了“每日劑量”（The Daily Dose, TDD）系統，這是一個由大語言模型（LLM）驅動的自動化臨床總結和臨床試驗識別系統，旨在無縫整合到常規放射腫瘤學工作流程中。該系統的核心是RadOnc-GPT，一種專門為放射腫瘤學定製的語言模型，能夠每天自動生成醫生特定的電子郵件摘要。這些摘要包括患者日程、從電子健康記錄（EHR）中提取的簡潔臨床狀態總結，以及針對新患者或諮詢就診的潛在相關臨床試驗的自動識別。
研究團隊採用混合方法評估了TDD系統，在部署一個月後對臨床醫生進行了一次橫斷面匿名調查。主要結果指標包括自我報告的可用性、滿意度、感知有用性、對工作流程的影響、節省的時間以及繼續使用的意願。內部一致性信度透過Cronbach's α進行評估。
結果顯示，在55名受訪者中，52人（94.5%）工作在放射腫瘤學領域，38人（69.1%）是主治醫師。大多數參與者（83.6%）報告每天或每週多次使用TDD。在5點李克特量表上，可用性和滿意度的平均得分（標準差）為3.89（1.04），感知有用性為3.43（1.24），影響和未來使用為3.80（1.17）。總體滿意度與感知的時間節省呈正相關（p < .001）。參與者報告的時間節省各不相同，27%的人估計每天節省≥10分鐘。問卷顯示出極好的內部一致性（總體Cronbach's α = 0.97）。
這項研究表明，像TDD這樣的LLM驅動自動化系統有潛力透過提供及時、個性化的資訊來改善放射腫瘤學臨床工作流程，同時可能減輕醫生的認知負擔。儘管早期結果令人鼓舞，但作者指出需要進一步研究以評估長期影響並最佳化系統效能。此外，系統依賴於專門訓練的RadOnc-GPT模型，該模型基於放射腫瘤學領域的資料進行微調，以確保生成的摘要準確且符合臨床語境。未來的工作可能包括擴大樣本量、進行多中心評估，以及將系統擴充套件到其他醫學專科。