人工智能在狼疮妊娠定性研究中的应用:大语言模型与提示策略的潜力

《Arthritis Care & Research》:Using Artificial Intelligence in Qualitative Lupus Pregnancy Research: The Potential of Large Language Models and Prompting Strategies

【字体: 大 中 小 】 时间:2026年10月22日 来源:Arthritis Care & Research 4.1

编辑推荐:

   摘要 目的 我们的目标是评估不同大型语言模型(LLMs)翻译和分析描述系统性红斑狼疮(SLE)女性

  

摘要

目的

我们的目标是评估不同大型语言模型(LLMs)翻译和分析描述系统性红斑狼疮(SLE)女性妊娠经历的质性访谈的能力。另一目标是将对大语言模型识别出的主题与人类研究人员识别出的主题进行比较。

方法

我们分析了Rodrigues等人最初用葡萄牙语对系统性红斑狼疮女性开展的26次半结构化访谈,探讨其围产期护理经历。在四款最先进的语言模型(GPT-4o、Claude Sonnet 4.5、Gemini 2.5 Flash和DeepSeek R)上,采用三种提示策略(零样本、少样本和思维链)对访谈文本进行处理,以生成关键主题。模型输出结果通过"以语言模型为裁判"的框架进行评估,评估维度包括主题覆盖度、主题一致性和语义相似度。

结果

在各模型和提示策略之间,语言模型生成的主题相似,且与人类研究人员识别出的主题高度一致。"以语言模型为裁判"的评估显示,主题一致性和语义相似度较高。Claude Sonnet 4.5表现出最稳定的性能。少样本提示策略始终优于零样本和思维链方法。

结论

大型语言模型在分析质性研究方面展现出潜力,能够保持主题连贯性并捕捉系统性红斑狼疮女性妊娠经历的复杂性。尽管零样本提示被广泛使用,但本研究中该方法产生的主题结果较低,而少样本提示策略实现了最全面、连贯的主题提取。语言模型辅助的质性分析可以补充人类的解读,并有望支持纳入非英语语言数据和多样化患者视角到红斑狼疮研究中。

相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号