Группа исследователей представила систему CPGPrompt, которая автоматически преобразует текстовые клинические рекомендации (CPG) в структурированные деревья решений, исполняемые большими языковыми моделями (LLM). Система была протестирована на синтетических клинических случаях в трёх областях: головная боль, боль в пояснице и рак простаты.
В задачах бинарной классификации (например, требуется ли направление к специалисту) система показала высокую точность (F1-мера от 0.85 до 1.00) и полноту 100%. Однако в более сложных задачах многоклассовой классификации по клиническим путям результаты варьировались в зависимости от специфики рекомендаций: головная боль (F1: 0.47), боль в пояснице (F1: 0.72), рак простаты (F1: 0.77).
Интеграция клинических рекомендаций в ИИ-системы остаётся сложной задачей. Традиционные подходы, основанные на правилах, часто страдают от плохой интерпретируемости, неполного следования рекомендациям и узкой области применения. CPGPrompt предлагает новый подход, используя возможности LLM для динамической навигации по структурированным руководствам на основе конкретного случая пациента.
Разработка систем, подобных CPGPrompt, важна для создания более точных, интерпретируемых и широко применимых инструментов поддержки принятия врачебных решений, основанных на доказательной медицине.
