EyeSeek：一种基于弃权驱动迭代学习框架的初级眼保健筛查专业大型语言模型

《npj Digital Medicine》：EyeSeek: a large language model for screening and improving health literacy in primary eye care

　　

摘要

资源限制和较低的健康素养阻碍了初级眼保健筛查的有效性。在此，我们开发了 EyeSeek，一种专业的大型语言模型（LLM），为居民提供个性化的筛查解读和指导。我们引入了一种新颖的弃权驱动迭代学习框架，通过检测不确定性来提高可靠性，并结合角色扮演策略实现定制化沟通。研究结果表明，我们的方法在处理超出其知识边界的查询时，能够选择弃权并寻求外部答案，从而减少幻觉现象。在专家评估中，EyeSeek 在多个维度上优于多个 LLM 和初级保健医生。可读性分析证实，EyeSeek 将回复调整至 3 ~ 8 年级水平，使具有不同教育背景的居民能够更易于理解。此外，我们进行了一项单中心真实世界前瞻性研究，比较 EyeSeek 辅助组（n = 84）与非辅助组（n = 86）的转诊依从性。与非辅助组相比，EyeSeek 辅助组表现出更高的转诊依从性（P = 0.037）和更高的健康素养水平，且用户满意度高。鉴于其多方面的表现，EyeSeek 有望成为一种适应性数字解决方案，以支持社区环境中的初级眼保健工作。