Κέρδη:
- Ικανότητα δομής του κλινικού ερωτήματος και διεξαγωγής βιβλιογραφικής ανασκόπησης, περίληψης και συλλογής στοιχείων με τεχνητή νοημοσύνη
- Δυνατότητα διαχείρισης του κινδύνου κατασκευασμένων αναφορών (παραισθήσεις) επιβεβαιώνοντας κάθε πηγή που δίνεται από την τεχνητή νοημοσύνη με το DOI και το αρχικό άρθρο
- Ικανότητα κριτικής ανάγνωσης της περίληψης της τεχνητής νοημοσύνης, αξιολόγησης του επιπέδου των αποδεικτικών στοιχείων, της σύγκρουσης συμφερόντων και της επικαιρότητας
Το φαρμακείο είναι ένα επάγγελμα του οποίου οι γνώσεις ανανεώνονται συνεχώς. Μια δόση ή σύσταση που ήταν σωστά γνωστή χθες μπορεί να αλλάξει με μια νέα μελέτη. Φαρμακείο που βασίζεται σε αποδείξεις σημαίνει απάντηση σε μια ερώτηση με τα πιο σύγχρονα και αξιόπιστα επιστημονικά στοιχεία. Όμως η επιστημονική βιβλιογραφία είναι τεράστια και διάσπαρτη. Είναι εύκολο να κατακλύζεσαι από εκατοντάδες άρθρα όταν ψάχνεις για απάντηση σε μια ερώτηση. Η τεχνητή νοημοσύνη είναι ένα ισχυρό βοήθημα σάρωσης και σύνοψης εδώ: βοηθά στη δομή μιας ερώτησης, στη δημιουργία όρων αναζήτησης, στη σύνοψη ενός μεγάλου κειμένου. Αλλά το πιο επικίνδυνο λάθος της τεχνητής νοημοσύνης βρίσκεται ακριβώς σε αυτόν τον τομέα: μπορεί να δημιουργήσει άρθρα και DOI που δεν υπάρχουν. Σε αυτή την ενότητα, θα μάθετε να χρησιμοποιείτε την τεχνητή νοημοσύνη ως ένα ασφαλές, επικυρωμένο εργαλείο στην ανασκόπηση της βιβλιογραφίας.
Βήματα της προσέγγισης που βασίζεται σε στοιχεία
Μια ερώτηση που βασίζεται σε στοιχεία απαντάται με τα εξής βήματα:
- Δομήστε την ερώτηση. Μια καλή κλινική ερώτηση συχνά πλαισιώνεται με το πλαίσιο PICO: ασθενής/πληθυσμός (ασθενής), παρέμβαση, σύγκριση, έκβαση. Παράδειγμα: «Πώς το φάρμακο X (I) επηρεάζει τον κίνδυνο υπογλυκαιμίας (O) σε σύγκριση με το φάρμακο Y (C) σε ηλικιωμένα άτομα με διαβήτη τύπου 2 (P);»
- Ψάξτε για αποδείξεις. Αναζήτηση κατάλληλων βάσεων δεδομένων και πόρων.
- Αξιολογήστε τα στοιχεία. Είδος μελέτης, ποιότητα, μέγεθος δείγματος και κίνδυνος μεροληψίας.
- Εφαρμόστε και παρακολουθήστε. Προσαρμόστε το εύρημα στο πλαίσιο του ασθενούς.
Το AI είναι ιδιαίτερα γρήγορο στα βήματα 1 και 3 (δόμηση της ερώτησης και βοήθεια στην αξιολόγηση ενός κειμένου). αλλά το βήμα 2 (προμήθεια) απαιτεί κρίσιμη επαλήθευση.
ιεραρχία των αποδεικτικών στοιχείων
Δεν είναι όλα τα στοιχεία ίσα. Μια γενική ιεραρχία:
Επίπεδο αποδεικτικών στοιχείων
παράδειγμα
δύναμη
υψηλότερο
Συστηματική ανασκόπηση, μετα-ανάλυση
Συνδυασμός πολλαπλών μελετών
ψηλά
Τυχαιοποιημένη ελεγχόμενη δοκιμή (RCT)
Ελεγχόμενη, χαμηλή προκατάληψη
μεσαίο
Cohort, case-control
Παρατηρητικός, κίνδυνος συγχυτικών παραγόντων
χαμηλά
Σειρά υποθέσεων, γνώμη ειδικού
Περιορισμένη γενίκευση
χαμηλότερο
Ανέκδοτο, μη επαληθευμένο περιεχόμενο ιστού
Κακή αποδεικτική αξία
Κατά τη σύνοψη ενός ευρήματος, η τεχνητή νοημοσύνη μπορεί να μπερδέψει το επίπεδο των αποδεικτικών στοιχείων ή να παρουσιάσει μια αδύναμη πηγή ως ισχυρή. Εσείς πάντα ελέγχετε το επίπεδο.
Επιπλέον, ενδέχεται να υπάρχουν αντικρουόμενες μελέτες για το ίδιο θέμα. Η τεχνητή νοημοσύνη μερικές φορές μπορεί να τονίσει μόνο τη μία πλευρά και να αγνοήσει την άλλη. αυτό ονομάζεται «επιλεκτική παρουσίαση». Μια αξιόπιστη αξιολόγηση αποδεικτικών στοιχείων αναζητά τη γενική τάση στο θέμα (τι κοινό έχουν πολλές μελέτες) και μια τρέχουσα συστηματική ανασκόπηση εάν είναι διαθέσιμη. Η αλλαγή πρακτικής που βασίζεται σε μία μόνο μελέτη, ειδικά σε μελέτη μικρού δείγματος ή σε ένα κέντρο, είναι επικίνδυνη. Το να ρωτήσετε την τεχνητή νοημοσύνη «υπάρχουν αντικρουόμενα ευρήματα για αυτό το θέμα, ποια πλευρά έχει ισχυρότερα στοιχεία» είναι ένας καλός τρόπος για να εξισορροπήσετε μια μονόπλευρη περίληψη. Αλλά το τελικό ζύγισμα το κάνετε εσείς διαβάζοντας τις αρχικές πηγές.
Προσοχή: Η τεχνητή νοημοσύνη μπορεί να παράγει εντελώς κατασκευασμένες αναφορές με ρεαλιστικό τίτλο, όνομα συγγραφέα, περιοδικό και DOI. αυτό ονομάζεται «παραίσθηση αναφοράς». Ποτέ μην αναφέρετε μια πηγή χωρίς να ανοίξετε το DOI στην αρχική βάση δεδομένων/περιοδικό και να δείτε το περιεχόμενό του.
τρεις μίνι θήκες
Περίπτωση 1 — Φτιαγμένο DOI. Ένας φαρμακοποιός ζήτησε από την τεχνητή νοημοσύνη μια πηγή σχετικά με την αποτελεσματικότητα ενός φαρμάκου. Η τεχνητή νοημοσύνη απέδωσε τρία άρθρα και DOI. Όταν ο φαρμακοποιός προσπάθησε να ανοίξει τα DOI, διαπίστωσε ότι δύο δεν αντιστοιχούσαν σε κανένα αρχείο. Το ένα ήταν πραγματικό αλλά ανέφερε διαφορετικό αποτέλεσμα. Ο φαρμακοποιός χρησιμοποίησε μόνο το πραγματικό άρθρο που είχε επαληθεύσει. Χωρίς επαλήθευση, δύο εικονικές πηγές θα περιλαμβάνονταν σε μία αναφορά.
Περίπτωση 2 — Αναζήτηση με PICO. Ένας φαρμακοποιός ερευνούσε τη σύγκριση ασφάλειας δύο παυσίπονων σε ηλικιωμένους. Ζήτησε από το AI να απορρίψει την ερώτηση στο PICO και να δημιουργήσει όρους αναζήτησης. Το AI έδωσε σαφείς όρους και συνώνυμα. Με αυτά ο ίδιος ο φαρμακοποιός έκανε την πραγματική αναζήτηση στη γνωστή βάση δεδομένων και αξιολόγησε τα αποτελέσματα. Η τεχνητή νοημοσύνη έχει επιταχύνει την αναζήτηση. Ο φαρμακοποιός βρήκε τις πηγές και τις διάβασε.
Περίπτωση 3 — Συνοπτική παραμόρφωση. Ένας φαρμακοποιός είχε ένα πραγματικό άρθρο που συνοψίζεται από την τεχνητή νοημοσύνη. Η περίληψη ισχυρίστηκε ότι η μελέτη έδειξε «αδιαμφισβήτητη υπεροχή». αλλά το ίδιο το άρθρο έλεγε ότι το αποτέλεσμα «δεν είχε στατιστική σημασία». Ο φαρμακοποιός διάβασε το αρχικό κείμενο, παρατήρησε την παραμόρφωση και διόρθωσε την περίληψη. Η περίληψη της τεχνητής νοημοσύνης είχε υπερβάλει. Η επιστροφή στην πηγή αποκάλυψε την αλήθεια.
Περίπτωση 4 — Λείπει το θέμα. Ένας φαρμακοποιός έλαβε πληροφορίες από την τεχνητή νοημοσύνη σχετικά με τη συνιστώμενη χρήση ενός φαρμάκου. Η απάντηση φαινόταν λογική, αλλά βασίστηκε σε έναν οδηγό πριν από μερικά χρόνια. Ωστόσο, η σύσταση έχει ενημερωθεί από τότε. Όταν ο φαρμακοποιός άνοιξε τον ενημερωμένο οδηγό, είδε τη διαφορά και έλαβε ως βάση τη νέα σύσταση. Επειδή οι γνώσεις της τεχνητής νοημοσύνης είχαν παγώσει σε μια συγκεκριμένη ημερομηνία, δεν μπορούσε να γνωρίζει την πιο πρόσφατη αλλαγή. Ο έλεγχος της επικαιρότητας έκλεισε αυτό το κενό.
Βήμα προς βήμα έλεγχος βάσει στοιχείων
- Πλαισιώστε την ερώτηση με το PICO. Πληθυσμός, παρέμβαση, σύγκριση, αποτέλεσμα.
- Δημιουργία όρων αναζήτησης. Λάβετε λέξεις-κλειδιά και συνώνυμα από την τεχνητή νοημοσύνη.
- Κάνεις την πραγματική κλήση. Αναζήτηση φημισμένης βάσης δεδομένων/πηγής. «Δημιουργία» πόρων στο AI.
- Επαληθεύστε κάθε πηγή. Ανοίξτε το DOI, είναι πραγματικός ο συγγραφέας/περιοδικό/έτος, υποστηρίζει το περιεχόμενο τον ισχυρισμό;
- Αξιολογήστε το επίπεδο των αποδεικτικών στοιχείων. Είδος εργασίας, ποιότητα, σύγκρουση συμφερόντων, επικαιρότητα.
- Δημιουργία συμφραζομένων και αποθήκευση. Σύνδεση εύρεσης με ασθενή/ερώτηση, καταγραφή πηγών.
Αδύναμη προτροπή / Ισχυρή προτροπή
Αδύναμο: "Είναι αποτελεσματικό αυτό το φάρμακο, δώστε μια πηγή."
Ισχυρό: "Δομήστε την ακόλουθη κλινική ερώτηση στο πλαίσιο PICO: [ερώτηση]. Στη συνέχεια δημιουργήστε αποτελεσματικούς όρους αναζήτησης και συνώνυμα για αυτήν την ερώτηση. ΜΗΝ συνθέσετε την πηγή/άρθρο. Πείτε μου τι είδους μελέτες (RCT, μετα-ανάλυση) και ποιες βάσεις δεδομένων πρέπει να αναζητήσω. Εάν ονομάσετε μια πηγή, προσθέστε την ετικέτα "δεν επαληθεύτηκε, πρέπει να επιβεβαιωθεί".
Στην ισχυρή προτροπή, το πλαίσιο, τα όρια και οι συνθήκες επαλήθευσης είναι ξεκάθαρα. Το AI δεν αναγκάζεται να κατασκευάζει πόρους.
Τέσσερα πρότυπα με δυνατότητα αντιγραφής
Εργασία: Σχεδιάστε την κλινική ερώτηση σε PICO. Ερώτηση: [...]. Έξοδος: P (πληθυσμός), I (παρέμβαση), C (σύγκριση), O (αποτέλεσμα) και μια δομημένη ερευνητική ερώτηση με μία πρόταση.
Εργασία: Δημιουργία όρου αναζήτησης (FITTING πηγή). Θέμα: [...]. Έξοδος: λέξεις-κλειδιά + συνώνυμα + προτεινόμενοι τύποι μελέτης. Πίστωση/DOI; Απλώς πες μου πώς να τηλεφωνήσω.
Εργασία: Συνοψίστε αυτό το κείμενο αμερόληπτα (χωρίς υπερβολή). Κείμενο: [άρθρο]. Έξοδος: σκοπός, μέθοδος, δείγμα, κύριο εύρημα, περιορισμοί, συμπέρασμα. Εκφράζοντας το αποτέλεσμα ΔΥΝΑΤΟΤΕΡΟ από αυτό που λέει το κείμενο. κρατήστε την αβεβαιότητα.
Εργασία: Δημιουργία λίστας ελέγχου επαλήθευσης αναφοράς. Αναφορά: [...]. Ταξινόμηση κατά: Άνοιγμα DOI; Ισχύει ο συγγραφέας/περιοδικό/έτος; Το περιεχόμενο υποστηρίζει τον ισχυρισμό; Ποιο είναι το επίπεδο των αποδεικτικών στοιχείων; Υπάρχει σύγκρουση συμφερόντων;
Συνήθη λάθη
- Παραθέτοντας το DOI που δίνει η τεχνητή νοημοσύνη χωρίς να το ανοίξετε. Ο κίνδυνος παραισθήσεων αναφοράς είναι ο μεγαλύτερος κίνδυνος.
- Αντικατάσταση της περίληψης με την πηγή. Για έναν κρίσιμο ισχυρισμό, θα πρέπει κανείς να επιστρέψει στο αρχικό κείμενο.
- Συγχέοντας το επίπεδο των αποδεικτικών στοιχείων. Η γνώμη των ειδικών και η μετα-ανάλυση δεν έχουν την ίδια βαρύτητα.
- Παράβλεψη της ενημέρωσης. Μια παλαιότερη μελέτη μπορεί να έρχεται σε αντίθεση με τις τρέχουσες οδηγίες. Η ημερομηνία πρέπει να ελεγχθεί.
- Παράβλεψη σύγκρουσης συμφερόντων. Η χρηματοδότηση και η δήλωση ενδιαφέροντος επηρεάζουν την ερμηνεία.
Συνοπτικά
Η τεχνητή νοημοσύνη είναι ένας ισχυρός επιταχυντής για τη δομή ερωτήσεων, τη δημιουργία όρων αναζήτησης και τη σύνοψη μεγάλων κειμένων σε αναζητήσεις λογοτεχνίας. Αλλά το πιο επικίνδυνο λάθος του, η αναφορική ψευδαίσθηση, εμφανίζεται σε αυτόν τον τομέα: μπορεί να παράγει πηγές που φαίνονται ρεαλιστικές αλλά δεν υπάρχουν. Κάντε λοιπόν την πραγματική αναζήτηση μόνοι σας, επαληθεύστε κάθε πηγή με το DOI, συγκρίνετε τις περιλήψεις με το αρχικό κείμενο και αξιολογήστε κριτικά το επίπεδο των αποδεικτικών στοιχείων. Η τελική ερμηνεία των αποδεικτικών στοιχείων και η προσαρμογή τους στον ασθενή ανήκει στον φαρμακοποιό.
Εργασία εφαρμογής
Επιλέξτε μια κλινική ερώτηση από τη δική σας πρακτική και ζητήστε από το AI να τη μεταφράσει σε PICO. Πάρτε τους όρους αναζήτησης και κάντε την πραγματική αναζήτηση μόνοι σας σε μια αναγνωρισμένη βάση δεδομένων. Ζητήστε από το AI μερικές "πηγές" σχετικά με το θέμα και προσπαθήστε να ανοίξετε το DOI του καθενός. Σημειώστε πόσα είναι αληθινά και πόσα είναι φτιαγμένα. Τέλος, ζητήστε από το AI να συνοψίσει ένα πραγματικό άρθρο, να συγκρίνετε τη σύνοψη με το αρχικό αποτέλεσμα και να επισημάνετε τυχόν παραμορφώσεις.
λίστα ελέγχου
- [ ] Δόμησα την ερώτηση γύρω από το PICO.
- [ ] Πήρα τους όρους αναζήτησης, έκανα την πραγματική αναζήτηση μόνος μου.
- [ ] Άνοιξα κάθε πηγή με DOI και επαλήθευσα την αυθεντικότητά της.
- [ ] Σύγκρισα τις περιλήψεις με το αρχικό κείμενο.
- [ ] Αξιολόγησα το επίπεδο των αποδεικτικών στοιχείων και την επικαιρότητα.
- [ ] Έχω εξετάσει τη σύγκρουση συμφερόντων.
- [ ] Έχω αποθηκεύσει επαληθευμένες πηγές.