换一批大语言模型预测手术持续时长对手术资源配置管理效率的促进作用
Large language models predict the promoting effect of operation duration on the efficiency of surgical resource allocation and management
摘要目的 通过比较不同大语言模型对手术持续时长的预测性能,评估其提高手术室资源利用效率的潜在价值.方法 选取2024年11月至2025年1月上海市胸科医院的6 154条外科手术数据(手术名称、主刀医生、一助医生等)进行大语言模型(Qwen-7B、DeepSeek-32B和DeepSeek-671B)的训练和测试,主要采用LoRA微调技术、检索增强生成策略以及提示词工程等方法对模型进行优化,并通过均方误差、平均绝对误差、平均绝对百分比误差以及手术持续时长预测准确率等指标评估模型性能.此外,邀请3位医院管理者在大语言模型辅助下进行手术排程,通过与未使用大语言模型辅助时的手术室占用时间进行比较,评估大语言模型对手术资源配置管理的辅助效果.结果 DeepSeek-671B模型的预测准确率为52.06%(Z=-6.695,P<0.001),显著高于 Qwen-7B的45.99%(Z=-2.854,P<0.001)和DeepSeek-32B的48.16%(Z=-5.199,P<0.005);同 时,DeepSeek-671B的回归误差指标也优于 Qwen-7B和 Deep-Seek-32B(MSE:2 486.11 vs.3 734.31 vs.3 224.89,MAE:34.99 vs.40.31 vs.38.78);三种大语言模型辅助前后,手术室占用时间分别减少了5.48%、3.37%、8.26%,秩和检验结果显示具有统计学意义(Z=-3.408,P<0.005).结论 通过大语言模型预测手术持续时长有助于提升手术资源配置的管理效率,医院管理者能够更科学地安排手术顺序,从而有效提升手术室整体运行效能.
更多相关知识
关键词
医院管理手术资源配置大语言模型QwenDeepSeek模型微调检索增强生成hospital managementsurgical resources allocationlarge language modelQwenDeepSeekmodel fine-tuningretrieval augmented generation
分类号
TP391.4
栏目名称
DOI
10.7652/jdyxb202603009
发布时间
2026-05-29（万方平台首次上网日期，不代表论文的发表时间）
- 浏览7
- 被引0
- 下载1
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
