| Points forts GPT-4 (ChatGPT ; OpenAI) a égalé les performances des radiologues en matière de détection des erreurs dans les rapports de radiologie et a le potentiel de réduire le temps et les coûts de traitement. Résultats clés ■ Sur 200 rapports de radiologie (radiographies et images transversales), GPT-4 (ChatGPT ; OpenAI) correspondait à la performance moyenne de détection d’erreurs de six radiologues (GPT-4, radiologues seniors, médecins traitants et résidents : 82,7 % [124 de 150; IC del 95%: 75,8, 87,9]89,3% [134 de 150; IC del 95%: 83,4, 93,3]et 80,0 % [120 de 150; ; IC del 95%: 72,9, 85,6], respectivement; plage de valeurs p, 0,522 à 0,99). ■ GPT-4 nécessitait moins de temps de lecture moyen par rapport que le lecteur humain le plus rapide de l’étude (3,5 secondes ± 0,5 [DE] contre 25,1 secondes ± 20,1, respectivement ; Q ■ GPT-4 a entraîné un coût moyen de correction par rapport inférieur à celui du radiologue le plus rentable (0,03 $ ± 0,01 contre 0,42 $ ± 0,41, respectivement ; P |
Introduction
Pour que les rapports de radiologie soient efficaces, les radiologues doivent garantir l’exactitude et la cohérence, en particulier entre les sections de résultats et d’impressions. Les rapports préliminaires de radiologie sont généralement rédigés par les résidents, puis examinés et approuvés par des radiologues certifiés. Ce processus légalement requis augmente la précision, mais prend du temps et nécessite beaucoup de ressources. De plus, la charge de travail croissante des radiologues, les environnements cliniques à haute pression et la reconnaissance vocale peu fiable signifient que les rapports de radiologie sont susceptibles d’être modifiés. erreurs.
Une analyse récente des rapports préliminaires des résidents a montré que les erreurs de déclaration les plus courantes sont les confusions entre les discriminateurs de latéralité (gauche, droite) et les erreurs d’enregistrement des descripteurs involontaires utilisant la reconnaissance vocale (un, aucun). Ces deux erreurs, si elles ne sont pas corrigées, peuvent avoir de graves répercussions. Les outils de relecture autres que la vérification orthographique de base ne sont pas systématiquement disponibles pour vérifier ces erreurs.
GPT-4 (ChatGPT ; OpenAI), un grand modèle de langage autorégressif, peut offrir des solutions potentielles à ces défis. Des études récentes ont démontré les applications potentielles du GPT-4 dans les soins aux patients. Par exemple, la transformation des rapports de radiologie en texte libre en formats structurés, la génération automatique de la section imprimée et la génération de rapports de radiologie compétents (par exemple pour les fractures du radius distal) soulignent leur utilité dans la standardisation des rapports. Le rôle du GPT-4 dans l’éducation et l’expansion des connaissances dans le domaine de la radiologie a également été étudié.
L’utilisation de GPT-4 pour corriger les rapports de radiologie pourrait alléger la charge de travail des radiologues superviseurs et constituer une ressource éducative pour les résidents, car il pourrait corriger les rapports de radiologie et signaler les erreurs. Cela serait particulièrement bénéfique si les résidents n’ont pas accès à des outils permettant de suivre les modifications apportées aux rapports par les radiologues superviseurs. Par conséquent, cette étude visait à évaluer les performances de GPT-4 dans la détection des erreurs et divergences les plus courantes dans les rapports de radiologie et à estimer son potentiel de réduction des délais et des coûts.
Pour continuer la lecture, vous devez entrer
avec votre nom d’utilisateur IntraMed
