The Challenges of Using ChatGPT for Clinical Decision Support in Orthopaedic Surgery: A Pilot Study
Notice bibliographique
Résumé
BACKGROUND: Artificial intelligence (AI) technologies have recently exploded in both accessibility and applicability, including in health care. Although studies have demonstrated its ability to adequately answer simple patient issues or multiple-choice questions, its capacity for deeper complex decision making within health care is relatively untested. In this study, we aimed to delve into AI's ability to integrate multiple clinical data sources and produce a reasonable assessment and plan, specifically in the setting of an orthopaedic surgery consultant. METHODS: Ten common fractures seen by orthopaedic surgeons in the emergency department were chosen. Consult notes from patients sustaining each of these fractures, seen at a level 1 academic trauma center between 2022 and 2023, were stripped of patient data. The history, physical examination, and imaging interpretations were then given to ChatGPT4 in raw and semistructured formats. The AI was asked to determine an assessment and plan as if it were an orthopaedic surgeon. The generated plans were then compared with the actual clinical course of the patient, as determined by our multispecialty trauma conference. RESULTS: When given both raw and semistructured formats of clinical data, ChatGPT4 determined safe and reasonable plans that included the final clinical outcome of the patient scenario. Evaluating large language models is an ongoing field of research without an established quantitative rubric; therefore, our conclusions rely on subjective comparison. CONCLUSION: When given history, physical examination, and imaging interpretations, ChatGPT is able to synthesize complex clinical data into a reasonable and most importantly safe assessment and plan for common fractures seen by orthopaedic surgeons. Evaluating large language models is an ongoing challenge; however, using actual clinical courses as a "benchmark" for comparison presents a possible avenue for further research.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,042 | 0,155 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».