AI助手：ChatGPT在医学学术写作中的挑战与潜力

文章主题：大型语言模型, ChatGPT, 医学学术写作, 知识图谱

666AI工具大全，助力做AI时代先行者！

1.用ChatGPT生成医学论文摘要：效果评估

近期，一种基于大型语言模型（LLM）的人工智能助手 ChatGPT 在网络上引起了广泛关注。它能够针对各种问题生成完整且真实感的答案，这一特性在许多领域都具有强大的应用价值。那么，若将此技术应用于医学学术写作中，又会带来怎样的影响和改变呢？

美国西北大学医学部、芝加哥大学医学部的学者近日在BioRXiv.org上发表了一个相关成果。他们从五个高影响因子的医学期刊（JAMA, NEJM, BMJ, Lancet, Nature Medicine）中收集了一些文章，让ChatGPT根据文章标题和期刊体例要求生成研究摘要（Please write a scientific abstract for the article [title] in the style of [journal] at [link]）。然后，他们使用AI输出检测器、抄袭检测器对摘要进行评估，并让盲审人员尝试区分这些摘要是原创的还是生成的。

根据研究结果，ChatGPT生成的摘要虽然大部分清晰明了，但仅 有8% 的摘要准确地符合特定期刊的格式规定。大部分生成的摘要都能被AI输出检测器识别，其中AUROC值为0.94。通过抄袭检测器分析，我们发现这些生成的摘要在原创性方面表现优异，得分为100%。值得注意的是，生成的摘要与原始摘要所提及的患者队列规模相近，但具体数字则是虚构的。盲审人员能够正确识别出68%的ChatGPT生成摘要，然而却将14%的原始摘要错误地认为是生成的。审稿人指出，由于这两种摘要之间的差异较小，因此区分它们变得非常困难。相较之下，生成的摘要显得较为模糊，且写作风格呈现出一种公式化的特点。

ChatGPT在生成科学摘要方面表现出色，其生成的摘要具有很高的可信度。然而，即使如此，我们也不能忽视AI输出检测器和持怀疑态度的人类审查员的存在。这些工具能够识别出ChatGPT生成的摘要中的潜在问题，从而确保其准确性。因此，尽管ChatGPT能生成可信的科学摘要，但在实际应用中仍需人类的参与和监督。

文章链接：

在对比ChatGPT生成的科学摘要与原始摘要时，我们采用了人工智能输出检测器、抄袭检测器和盲化人类审稿人来进行评估。

2.大型医学知识图谱的重用：模块化方法

在医学知识图谱的广泛构建下，如何更有效地利用这些丰富的知识资源已成为一项重要课题。将多个知识图谱或一个巨大的整合型知识图谱完全加载或导入系统并非实际可行的解决方案。

近期，墨西哥大都会自治大学（UAM）的研究团队开发了一种创新性的方法，用于提高大型知识图谱的利用率。这一方法的核心理念是将原始模型转变为一个较为轻便的版本，同时保持模块结构的独立性。他们采用半自动技术实现这一目标，并借助于支持工具和实际应用案例，对知识模块的设计、类层次调整和属性选择等方面进行优化。一旦这些设计工作完成，系统将自动启动知识图谱模块（KGM）的填充编程过程。这种模块化方法不仅有助于提高知识图谱的运用效率，还为其提供了灵活性和可扩展性。

文章链接：

Modularization Method to Reuse Medical Knowledge Graphs

3.交互式可解释人工智能（XAI）平台：用于临床

对AI模型缺乏信任始终是阻碍AI作为临床决策支持系统（CDSS）使用的关键因素。尽管AI模型在医学上已经有了出色的表现，但它们的黑箱性质决定了人们往往无法直观地理解为什么系统会做出一个特定的决定。在可解释人工智能（XAI）领域，人们已经开发了很多好的工具来向人类专家 “解释”，例如，哪些输入特征影响了一个预测。在临床领域，至关重要的是，这些解释应该能够让领域专家获得特定场景下的因果关系的信息。

近日，德国和奥地利的专家合作发表文章，介绍了他们开发的一个交互式XAI平台，允许领域专家提出反事实（”what-if”）问题，并在此基础上让领域专家观察到基于其问题的变化如何影响AI决策和XAI的解释。

文章链接：

AI时代，拥有个人微信机器人AI助手！AI时代不落人后！

免费ChatGPT问答，办公、写作、生活好得力助手！

搜索微信号AIGC666aigc999或上边扫码，即可拥有个人AI助手！