Использование ChatGPT для диагностики глаукомы на основании описаний клинических случаев

Введение: Цель исследования — оценить возможности больших языковых моделей, таких как ChatGPT (генеративный предварительно обученный трансформер для диалога), в диагностике глаукомы по описаниям конкретных клинических случаев и сравнить их с результатами ординаторов старших курсов по офтальмологии.

Методы: Из общедоступной интернет-базы описаний клинических случаев отобрали 11 случаев первичной и вторичной глаукомы. Четыре случая относились к первичной глаукоме: открытоугольной, ювенильной, глаукоме нормального давления и закрытоугольной. Семь случаев относились к вторичной глаукоме: псевдоэксфолиативной, пигментной, глаукомоциклитическому кризу, афакической, неоваскулярной, вследствие неправильного направления водянистой влаги и воспалительной. Текст описания каждого случая вводили в ChatGPT и запрашивали предварительный и дифференциальный диагнозы. Затем описания всех 11 случаев представили трём ординаторам старших курсов по офтальмологии и зафиксировали их предварительные и дифференциальные диагнозы. Ответы оценивали по правильности диагноза и степени совпадения.

Результаты: ChatGPT правильно поставил предварительный диагноз в 8 из 11 случаев (72,7%). Три ординатора по офтальмологии правильно диагностировали соответственно 6 (54,5%), 8 (72,7%) и 8 (72,7%) случаев. Диагнозы ChatGPT совпали с диагнозами первого, второго и третьего ординаторов соответственно в 9, 7 и 7 случаях.

Выводы: При диагностике первичной и вторичной глаукомы по конкретным клиническим случаям точность ChatGPT была сопоставима с точностью ординаторов старших курсов по офтальмологии или превышала её. Дальнейшее развитие модели может позволить применять её в клинической практике, например в учреждениях первичной медико-санитарной помощи для сортировки пациентов, а также в офтальмологических учреждениях для быстрой и объективной диагностики глаукомы.