超越准确性：强调提示的肝细胞癌管理中大型语言模型的多维评估

摘要 背景 2.60 ± 0.06, 95%）和可解释性（0.43;0.43）。提示显著提高了所有模型的准确性（p < 0.001）和可解释性（p < 0.001）。大多数模型的语义一致性略有下降；信息熵普遍增加；可读性变化各不相同。结论 本研究首次对大型语言模型在肝细胞癌相关临床任务中的多维评估。通用模型的表现超过了一些医学模型，揭示了领域特定微调的局限性。提示设计对模型性能有很大影响。进一步的研究应整合多样的提示策略和临床场景，以提高语言模型在实际肿瘤学环境中的可用性。简单总结 本研究评估了先进的基于语言的人工智能模型在回答与肝细胞癌相关的临床问题方面的能力。结果表明，一些模型，特别是在结构化指令指导下，提供了准确且易于理解的响应。这些发现表明，这些工具可能有助于改善医生和患者在管理肝癌时的信息沟通和获取。