AI는 청소년 환자 포털 메시지의 보호자 작성자를 식별할 수 있습니다.

Drugs.com에서 의학적으로 검토함.

Elana Gotkine HealthDay Reporter 작성

2024년 6월 28일 금요일 -- JAMA Network Open에 6월 25일 온라인으로 게시된 연구 서한에 따르면 LLM(대형 언어 모델) 기반 분류자는 청소년 환자 포털에서 전송된 메시지의 보호자 작성자를 정확하게 감지할 수 있다고 합니다.

캘리포니아 팔로 알토에 있는 스탠포드 대학교 의과대학의 April S. Liang 박사와 동료들은 LLM이 청소년 환자 포털에서 보낸 메시지의 보호자 작성자를 탐지하는 능력을 조사했습니다. Stanford Children's Health의 청소년 환자 포털 계정에서 보낸 메시지를 샘플링하고 저자 여부를 수동으로 검토했습니다. 완벽한 성능이 달성될 때까지 20개 메시지의 무작위 하위 집합에 대해 두 개의 프롬프트가 반복적으로 설계되었습니다. 하나는 저자 식별(단일 작업)에 초점을 맞추고 다른 하나는 메시지에 대한 응답을 생성하고 저자 식별(멀티태스크)을 수행했습니다. 두 메시지 모두 남은 메시지에 대해 테스트되었습니다.

2,088개의 테스트 메시지 중 각각 71.8%와 28.2%는 부모 또는 보호자 작성 및 환자 작성으로 분류되었습니다. 연구원들은 단일 작업 LLM이 각각 98.1%와 88.4%의 민감도와 특이성을 달성한 반면, 다중 작업 LLM은 각각 98.3%와 88.9%의 민감도와 특이성을 달성한 것으로 나타났습니다. 이는 다중 작업 LLM의 경우 95% 이상의 긍정적 예측 값과 부정적 예측 값에 해당합니다. 단일 작업 및 다중 작업 분류자에 대해 통계적으로 동일한 성능이 나타났습니다.

"궁극적으로 환자가 작성하지 않은 메시지를 안정적으로 식별하는 것은 청소년 의학 이상의 의미를 갖습니다. 성인 중에서 치료 파트너는 일반적으로 환자의 자격 증명을 사용하여 환자 포털에 액세스합니다. 특히 노인 환자나 발달에 차이가 있는 개인에게 관련이 있습니다."라고 저자는 썼습니다. "우리의 결과는 이 연구의 LLM이 환자의 기밀 유지에 대한 보호 조치를 향상시키는 데 잠재력이 있다는 것을 발견했습니다."

한 저자는 추론과의 연관성을 밝혔습니다.

추상/전체 텍스트

에>

면책 조항: 의학 기사의 통계 데이터는 일반적인 추세를 제공하며 개인과 관련이 없습니다. 개별적인 요인은 크게 다를 수 있습니다. 개인의 건강관리 결정에 대해서는 항상 개인화된 의학적 조언을 구하세요.

출처: HealthDay

더 읽어보세요

면책조항

Drugslib.com에서 제공하는 정보의 정확성을 보장하기 위해 모든 노력을 기울였습니다. -날짜, 완전하지만 해당 효과에 대한 보장은 없습니다. 여기에 포함된 약물 정보는 시간에 민감할 수 있습니다. Drugslib.com 정보는 미국의 의료 종사자와 소비자가 사용하도록 편집되었으므로 달리 구체적으로 명시하지 않는 한 Drugslib.com은 미국 이외의 지역에서 사용하는 것이 적절하다고 보증하지 않습니다. Drugslib.com의 약물 정보는 약물을 보증하거나 환자를 진단하거나 치료법을 권장하지 않습니다. Drugslib.com의 약물 정보는 면허를 소지한 의료 종사자가 환자를 돌보는 데 도움을 주고/하거나 이 서비스를 건강 관리에 대한 전문 지식, 기술, 지식 및 판단을 대체하는 것이 아니라 보완으로 보는 소비자에게 제공하기 위해 설계된 정보 리소스입니다. 실무자.

특정 약물 또는 약물 조합에 대한 경고가 없다고 해서 해당 약물 또는 약물 조합이 해당 환자에게 안전하고 효과적이거나 적절하다는 의미로 해석되어서는 안 됩니다. Drugslib.com은 Drugslib.com이 제공하는 정보의 도움으로 관리되는 의료의 모든 측면에 대해 어떠한 책임도 지지 않습니다. 여기에 포함된 정보는 가능한 모든 용도, 지시 사항, 주의 사항, 경고, 약물 상호 작용, 알레르기 반응 또는 부작용을 다루기 위한 것이 아닙니다. 복용 중인 약에 대해 궁금한 점이 있으면 담당 의사, 간호사 또는 약사에게 문의하세요.

인기 키워드