耶鲁大学医学院外科系的研究团队，包括Chin Siang Ong博士、Nicholas Obey和Eric B. Schneider博士，推出了一种名为SurgeryLLM的开创性框架，旨在增强外科手术决策和工作流程。他们的研究最近发表在《npj数字医学》杂志上，探讨了如何通过整合检索增强生成（RAG）技术与大型语言模型（LLMs），提高外科医生的工作效率和患者安全。
SurgeryLLM解决了传统LLMs的一个重要局限，即它们可能无法访问适当的最新医疗指南。通过使用RAG，SurgeryLLM能够纳入当前的情境特定患者护理指南。研究表明，整合当前最佳实践指南对于支持开发优化外科医生效率和效果的人工智能工具具有重要意义和可行性。
该研究的关键发现包括：
- 改进的诊断支持：SurgeryLLM在识别异常实验室结果和缺失的临床检查方面表现出更高的准确性，优于标准LLMs。
- 基于证据的建议：该框架的一致性管理建议与美国心脏病学会和美国心脏协会等机构制定的指南保持一致。
- 增强的文档记录：SurgeryLLM成功生成了针对模拟患者情景的结构化手术记录，这可能有助于减轻外科医生的行政负担。
鉴于外科服务需求不断增加以及劳动力短缺的问题，这一创新显得尤为及时。通过完善像SurgeryLLM这样的工具，研究团队展望了一个未来，在这个未来中，人工智能赋能外科医生，提高医疗服务的效率，改善患者护理并提升患者结局。
(全文结束)
