Physician- and Large Language Model–Generated Hospital Discharge Summaries
Item
- Titre (article, livre complet, chapitre de livre, publication réseaux sociaux, pageWeb, SiteWeb complet, etc.)
- Physician- and Large Language Model–Generated Hospital Discharge Summaries
- Auteur de la référence bibliograpique
- Christopher Y. K. Williams, Charumathi Raghu Subramanian, Syed Salman Ali, Michael Apolinario, Elisabeth Askin, Peter Barish, Monica Cheng, W. James Deardorff, Nisha Donthi, Smitha Ganeshan, Owen Huang, Molly A. Kantor, Andrew R. Lai, Ashley Manchanda, Kendra A. Moore, Anoop N. Muniyappa, Geethu Nair, Prashant P. Patel, Lekshmi Santhosh, Susan Schneider, Shawn Torres, Michi Yukawa, Colin C. Hubbard et Benjamin I. Rosner
- Date de publication (AAAA ou AAAA-MM-JJ)
- 2025-05-05
- Résumé
-
Étude transversale menée à l'University of California, San Francisco, comparant la qualité et la sécurité des résumés de congé hospitalier rédigés par des médecins à ceux produits par un grand modèle de langage.
Cent séjours hospitaliers de trois à six jours, survenus entre 2019 et 2022 en médecine hospitalière, ont été sélectionnés au hasard. Pour chacun, un modèle de langage a produit un résumé à partir de l'ensemble des notes cliniques du séjour, en excluant le résumé de congé existant. Vingt-deux médecins ont évalué à l'aveugle les deux versions, sans savoir laquelle provenait d'un modèle. Le corpus complet des notes du séjour servait de référence pour les deux.
Les personnes évaluatrices ont mesuré la qualité globale, leur préférence, le caractère complet, la concision et la cohérence, ainsi que trois types d'erreurs : les inexactitudes, les omissions et les fabrications. Le potentiel de préjudice de chaque erreur a été coté sur une échelle adaptée de zéro à sept.
La qualité globale ne diffère pas de façon significative entre les deux sources, pas plus que la préférence des personnes évaluatrices. Les résumés produits par le modèle sont plus concis et plus cohérents, mais moins complets. Ils contiennent davantage d'erreurs distinctes, soit 2,91 en moyenne contre 1,82, l'écart portant surtout sur les omissions et les inexactitudes. Le nombre de fabrications ne diffère pas significativement entre les deux sources, ce que les auteur.es soulignent comme notable compte tenu de la propension documentée des modèles de langage à en produire.
Le potentiel de préjudice par erreur est équivalent. Le potentiel de préjudice global est plus élevé pour les résumés générés, probablement en raison de l'effet cumulatif d'un plus grand nombre d'erreurs, mais il demeure faible dans les deux cas.
Les auteur.es concluent que ces résumés pourraient servir de projets à réviser par une personne médecin. Ils signalent aussi les limites de la vigilance clinique comme rempart et évoquent une approche par couches de vérification successives. - Numéro (revues scientifiques)
- 7
- Volume (revues scientifiques)
- 185
- Maison d'édition / Nom de la revue scientifique / Nom du site Web / Nom de l'institution universitaire (thèses) / Institution d'un rapport, etc.
- JAMA Internal Medicine
- Intervalles des pages (articles)
- 818-825
- Nombre de pages (livres)
- 8
- Format, type de document (ex: image, publication textuelle, vidéo, etc.)
- Article en ligne; PDF
- Quel type de publication sur réseau social (ex: statut Facebook, statut Twitter, etc.)
- Article scientifique
- URL (adresse Web)
- https://doi.org/10.1001/jamainternmed.2025.0821
- Media
williams physician.png
Linked resources
| Title | Class |
|---|---|
 Abridge |
Annotations
There are no annotations for this resource.