یک مطالعه موردی اکتشافی درباره ساده‌سازی گزارش‌های رادیولوژی

هدف:
ارزیابی کیفیت گزارش‌های رادیولوژی ساده‌شده توسط ChatGPT از نظر درستی علمی، کامل بودن اطلاعات و خطرات بالقوه برای بیماران؛ و بررسی فرصت‌ها و چالش‌های استفاده از مدل‌های زبانی بزرگ (LLMs) مانند ChatGPT برای ساده‌سازی متون پزشکی.

روش کار:
سه گزارش رادیولوژی ساختگی (MRI زانو، MRI مغز، و سی‌تی‌اسکن انکولوژیک) توسط یک رادیولوژیست باتجربه نوشته شد. این گزارش‌ها با استفاده از درخواست: «این گزارش پزشکی را طوری توضیح بده که یک کودک آن را بفهمد» به ChatGPT داده شدند.
۱۵ رادیولوژیست این نسخه‌های ساده‌شده را از نظر:
درستی علمی
کامل بودن اطلاعات
خطر برداشت‌های اشتباه برای بیمار ارزیابی کردند.

نتایج:
بیشتر رادیولوژیست‌ها معتقد بودند گزارش‌ها:
از نظر درستی علمی قابل قبول هستند (میانه امتیاز = ۲ از ۵)،
از نظر کامل بودن اطلاعات مناسب هستند (میانه = ۲)،
خطر زیادی برای بیمار ندارند (میانه = ۴).
اما:
در ۵۱٪ گزارش‌ها، عبارات نادرست علمی وجود داشت.
۲۲٪ از آن‌ها، اطلاعات مهم پزشکی را حذف کرده بودند.
در ۳۶٪، خطر اینکه بیمار برداشت اشتباه و مضر داشته باشد وجود داشت.

اشتباهات رایج شامل:

تفسیر اشتباه اصطلاحات پزشکی (مثلاً اشتباه گرفتن تشخیص افتراقی با تشخیص قطعی).

هذیان‌گویی مدل (ساخت اطلاعاتی که در متن اصلی وجود نداشتند).

زبان مبهم یا عامیانه (مثلاً گفتن “وسط پای شما” به‌جای “قسمت داخلی زانو”).

حذف اطلاعات حیاتی مانند پاسخ به درمان یا موقعیت دقیق ضایعه.

بحث و تحلیل:
با وجود ارزیابی کلی مثبت، خطراتی مانند تولید اطلاعات نادرست و ساده‌سازی بیش‌از‌حد می‌تواند منجر به برداشت اشتباه بیماران و تأخیر در درمان شود.
ChatGPT
ظرفیت بالایی برای ساده‌سازی گزارش‌های پزشکی دارند که می‌تواند به درک بهتر بیماران و مشارکت فعال‌تر آن‌ها در تصمیم‌گیری‌های درمانی منجر شود. با این حال، استفاده از آن‌ها باید همراه با تطبیق برای کاربردهای پزشکی و بازبینی حرفه‌ای باشد.

گـردآورنـده: شیوا شاداب