Расшифровка радиологических заключений: потенциальное применение OpenAI ChatGPT для улучшения понимания пациентами результатов диагностических исследований

Цель: Оценить сложность радиологических заключений по основным методам визуализации и способность ChatGPT (версия начала марта 2023 года, OpenAI, Калифорния, США) упрощать их до уровня чтения, соответствующего 8-му классу, для среднего взрослого жителя США.

Методы: Из базы данных нашего учреждения были случайным образом отобраны 100 заключений по рентгенографии (XR), 100 заключений по ультразвуковым исследованиям (US), 100 заключений по компьютерной томографии (КТ) и 100 заключений по магнитно-резонансной томографии (МРТ), датированных 2022–2023 годами (N = 400). Их обрабатывали с помощью ChatGPT, используя запрос: «Объясните пациенту это радиологическое заключение простыми словами, обращаясь к нему во втором лице: <текст заключения>». Для каждого заключения и ответа ChatGPT рассчитывали среднюю длину текста, индекс удобочитаемости Флеша (FRES) и уровень чтения по шкале Флеша—Кинкейда (FKRL). Для определения статистической значимости применяли t-критерий.

Результаты: Средняя длина заключений составляла 164 ± 117 слов, среднее значение FRES — 38,0 ± 11,8, а FKRL — 10,4 ± 1,9. FKRL был значимо выше для заключений по КТ и МРТ, чем для заключений по US и XR. Только в 60 из 400 заключений (15%) FKRL был ниже 8,5. Средняя длина упрощённых ответов ChatGPT составляла 103 ± 36 слов, FRES — 83,5 ± 5,6, а FKRL — 5,8 ± 1,1. Это соответствовало среднему сокращению текста на 61 слово (p < 0,01), повышению FRES на 45,5 (p < 0,01) и снижению FKRL на 4,6 (p < 0,01). Во всех упрощённых ответах FKRL был ниже 8,5.

Обсуждение: Наше исследование демонстрирует эффективность ChatGPT при упрощении радиологических заключений до уровня чтения ниже уровня 8-го класса. Мы выявили значимое улучшение FRES, FKRL и длины текста; при интерпретации последнего показателя необходим контекст, учитывающий конкретный метод визуализации.