Artikel
Ökonomisierung der polysomnographischen Auswertung durch ein Large Language Model (ChatGPT-4o)
Suche in Medline nach
Autoren
-
Christoph Raphael Buhr
- Schlafmedizinisches Zentrum und Klinik für Hals-, Nasen-, Ohrenheilkunde und Poliklinik, Universitätsmedizin Mainz, Mainz, Deutschland; School of Medicine, University of St Andrews, St Andrews, Vereinigtes Königreich
-
Tilman Huppertz
- Schlafmedizinisches Zentrum und Klinik für Hals-, Nasen-, Ohrenheilkunde und Poliklinik, Universitätsmedizin Mainz, Mainz, Deutschland
-
Haralampos Gouveris
- Schlafmedizinisches Zentrum und Klinik für Hals-, Nasen-, Ohrenheilkunde und Poliklinik, Universitätsmedizin Mainz, Mainz, Deutschland
-
Katharina Bahr-Hamm
- Schlafmedizinisches Zentrum und Klinik für Hals-, Nasen-, Ohrenheilkunde und Poliklinik, Universitätsmedizin Mainz, Mainz, Deutschland
-
Johannes Pordzik
- Schlafmedizinisches Zentrum und Klinik für Hals-, Nasen-, Ohrenheilkunde und Poliklinik, Universitätsmedizin Mainz, Mainz, Deutschland
-
Jonas Eckrich
- Schlafmedizinisches Zentrum und Klinik für Hals-, Nasen-, Ohrenheilkunde und Poliklinik, Universitätsmedizin Mainz, Mainz, Deutschland
-
Harry Smith
- School of Computer Science, University of St Andrews, St Andrews, Vereinigtes Königreich
-
Tom Kelsey
- School of Computer Science, University of St Andrews, St Andrews, Vereinigtes Königreich
-
Andrew Blaikie
- School of Medicine, University of St Andrews, St Andrews, Vereinigtes Königreich
-
Christoph Matthias
- Schlafmedizinisches Zentrum und Klinik für Hals-, Nasen-, Ohrenheilkunde und Poliklinik, Universitätsmedizin Mainz, Mainz, Deutschland
-
Sebastian Kuhn
- Institut für Digitale Medizin, Philipps-Universität Marburg, Universitätsklinikum Gießen und Marburg, Marburg, Deutschland
-
Christopher Seifen
- Schlafmedizinisches Zentrum und Klinik für Hals-, Nasen-, Ohrenheilkunde und Poliklinik, Universitätsmedizin Mainz, Mainz, Deutschland
| Veröffentlicht: | 6. März 2025 |
|---|
Gliederung
Text
Einleitung: Die Interpretation von polysomnographischen Ergebnissen ist aufgrund des hohen Personalaufwands ressourcenintensiv. Large Language Modelle (LLM) wie ChatGPT-4o können die Interpretation ökonomisieren, indem sie die Analyse als digitaler Assistent unterstützen. Diese Studie evaluiert ChatGPT-4o für die Interpretation von polysomnographischen Ergebnissen bei Patienten mit Verdacht auf obstruktive Schlafapnoe (OSA).
Methoden: Patientenprofile wurden von 40 Patienten mit Verdacht auf OSA erstellt. Jeweils ein Prompt für Patienten mit der Erstdiagnose OSA und ein weiterer für Patienten mit Unverträglichkeit der PAP (positive airway pressure)-Therapie wurden verwendet. Die polysomnographischen Ergebnisse wurden unabhängig voneinander von einem zertifizierten Schlafmedizinern und ChatGPT-4o ausgewertet. Diagnose und Therapievorschläge wurden hinsichtlich ihrer Übereinstimmung verglichen.
Ergebnisse: Bei Patienten mit der Erstdiagnose OSA zeigten ChatGPT-4o und der Schlafmediziner 97% (29/30) Übereinstimmung in der Diagnose und 100% (30/30) Übereinstimmung bei den Therapievorschlägen. Im Gegensatz dazu zeigten ChatGPT-4o und der Schlafmediziner bei Patienten mit PAP-Therapieunverträglichkeit 70% (7/10) Übereinstimmung in der Diagnose und 44% (22/50) Übereinstimmung bei den Therapievorschlägen.
Diskussion: ChatGPT-4o ist für die Interpretation einfacher Polysomnographie-Ergebnisse geeignet. Trotz Fehlern bei komplexeren Fällen mit PAP-Therapie-Intoleranz, ist ChatGPT-4o ein vielversprechendes Werkzeug, um Ärzte bei der Interpretation von Polysomnographie-Ergebnissen zu unterstützen und die Befundung zu ökonomisieren. Zukünftige Studien sollten reale Patientendaten unter Berücksichtigung von Datenschutzaspekten einbeziehen.
