Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Clinician-Directed Large Language Model Software Generation for Therapeutic Interventions in Physical Rehabilitation

Created by
  • Haebom
Category
Empty

저자

Edward Kim, Yuri Cho, Jose Eduardo E. Lima, Julie Muccini, Jenelle Jindal, Alison Scheid, Erik Nelson, Seong Hyun Park, Yuchen Zeng, Alton Sturgis, Caesar Li, Jackie Dai, Sun Min Kim, Yash Prakash, Liwen Sun, Isabella Hu, Hongxuan Wu, Daniel He, Wiktor Rajca, Cathra Halabi, Maarten Lansberg, Bjoern Hartmann, Sanjit A. Seshia

개요

본 논문은 대규모 언어 모델(LLM)을 활용하여 물리치료 및 작업치료 분야에서 임상의의 운동 처방을 실행 가능한 소프트웨어로 자동 변환하는 디지털 중재 패러다임을 평가한 연구이다. 20명의 면허를 가진 물리치료사 및 작업치료사와 표준 환자를 대상으로 단일군 전향적 타당성 연구를 진행하여, 임상의가 작성한 40개의 개인 맞춤형 상지 운동 프로그램을 LLM을 통해 소프트웨어로 자동 변환했다. 그 결과, 템플릿 기반 벤치마크 대비 개인 맞춤형 처방의 소프트웨어 구현 비율이 45% 증가했으며, 임상의들은 사용 편의성에 만장일치로 동의했다. LLM 생성 소프트웨어는 처방된 지시 사항의 99.78%를 정확하게 전달하고, 88.4%의 정확도로 성능을 모니터링했으며, 임상의의 90%는 환자와의 상호작용에 안전하다고 판단했고, 75%는 채택 의사를 밝혔다.

시사점, 한계점

•
시사점:
◦
LLM을 활용한 임상의 주도형 중재 소프트웨어 생성이 가능함을 입증.
◦
개인 맞춤형 운동 처방의 소프트웨어 구현 비율을 향상시킴.
◦
임상의의 사용 편의성 및 채택 의향이 높음.
•
한계점:
◦
단일군 전향적 타당성 연구로, 실제 환자 대상의 임상적 효과 및 안전성 평가 필요.
◦
연구 대상이 20명의 임상의와 표준 환자로 제한됨.
◦
구체적인 임상적 효과 및 안전성에 대한 추가 연구 필요.
👍
Made with Slashpage