В ходе исследования специалисты из Гарвардской медицинской школы задались целью оценить эффективность ChatGPT в управлении полипрагмазией. Было выбрано несколько клинических ситуаций, для которых в ходе ранее проведенных исследований были установлены варианты решений, принимаемых врачами общей практики при отмене назначений. Запросы в ChatGPT 3.5 формировались с помощью большой языковой модели. Оценка результатов проводилась с помощью бинарных (да/нет) решений по депрописыванию.
В каждом сценарии один и тот же пожилой пациент принимал комплекс лекарств, но учитывались различия в анамнезе сердечно-сосудистых заболеваний (ССЗ) и степени нарушений повседневной активности (НПА).
Диапазон общего количества выписанных препаратов составлял от 2,67 до 3,67 (из семи) и не менялся в зависимости от сердечно-сосудистого статуса. Исследователи обнаружили, что при принятии бинарных решений «да/нет» о сокращении количества назначенных лекарств, ChatGPT последовательно рекомендовал отменить назначение препаратов пациентам, не имеющим в анамнезе сердечно-сосудистых заболеваний. Однако он был более осторожен, когда речь шла о больных с сопутствующими сердечно-сосудистыми заболеваниями. В таких случаях он с большей вероятностью сохранял режим лечения без изменений. В обоих случаях исследователи отметили, что тяжесть нарушений статуса повседневной активности, по-видимому, не влияла на результаты принятия решений.
Команда исследователей также отметила, что ChatGPT имел тенденцию игнорировать боль и предпочитал отмену назначения обезболивающих препаратов, по сравнению с другими типами лекарств, такими как статины или антигипертензивные средства. Кроме того, ответы ChatGPT различались при представлении одного и того же сценария в новых сеансах чата, что, как предполагают авторы, может отражать несогласованность клинических тенденций, на которых обучалась модель.
Эти результаты показывают, что специально обученные большие языковые модели могут оказать полезную клиническую поддержку врачам первичной медико-санитарной помощи в управлении полипрагмазией.
Источник: Rao, A., et al. (2024) Proactive Polypharmacy Management Using Large Language Models: Opportunities to Enhance Geriatric Care. Journal of Medical Systems. doi.org/10.1007/s10916-024-02058-y.
