一种用于心房颤动管理的、具备知识增强功能且领域感知型的大型语言模型智能体

《npj Digital Medicine》：A knowledge-enhanced domain-aware large language model agent for atrial fibrillation management

　　

摘要

大型语言模型在心房颤动管理方面展现出巨大潜力，但由于精度限制，目前的临床应用效果往往不尽如人意。为解决这些问题，本研究开发了PULSE（高效用户友好型大型语言模型驱动搜索引擎），这是一种经过优化、具备领域认知能力的新型语言模型工具，旨在提升心房颤动患者在整个诊疗过程中的自我管理能力。该框架整合了多模态输入、精心整理的临床知识库、优化的提示工程以及检索增强生成技术，并采用基于智能体的架构。通过响应质量（临床准确性、内容完整性、实用性及患者安全性）和可读性（清晰度、简洁性及同理心）四个维度，对PULSE与四种主流基础大型语言模型进行了严格性能评估。随后，通过对75个真实的心房颤动相关患者咨询进行匿名专家评估，完成了全面的临床验证。结果表明，PULSE在所有测试模型中均提升了临床准确性、内容完整性、实用性及安全性（P?<?0.05），同时还显著提高了文本的同理心表达水平与清晰度，且简洁性保持相近水平。总体而言，PULSE提升了面向患者的医疗信息的事实准确性与可读性，充分体现了基于智能体的大型语言模型系统在推动慢性病自我管理及改善患者长期预后方面的巨大临床潜力。