查看“WikiEdge:MedRxiv-2024.06.18.24309113”的源代码

* '''标题'''：Analyzing Diversity in Healthcare LLM Research: A Scientometric Perspective
* '''中文标题'''：分析医疗保健大语言模型研究中的多样性：科学计量学视角
* '''发布日期'''：2024-06-19
* '''作者'''：Restrepo, D.; Wu, C.; Vasquez-Venegas, C.; Matos, J.; Gallifant, J.; Nakayama, L. F.
* '''分类'''：health informatics
*'''原文链接'''：10.1101/2024.06.18.24309113
'''摘要'''：在医疗保健中部署大型语言模型（LLMs）已经显示出增强临床决策、提高行政效率和改善患者结果的巨大潜力。然而，这些模型的开发和应用中缺乏多元化群体的代表性可能会延续偏见，导致医疗保健服务的不公平。本文对医疗保健的LLM研究进行了全面的科学计量分析，包括2021年1月1日至2024年7月1日的数据。通过分析PubMed和Dimensions的元数据，包括作者所属机构、国家和资金来源，我们评估了LLM研究的贡献者多样性。我们的发现突显出显著的性别和地理差异，主要是男性作者和来自高收入国家（HICs）的贡献。我们引入了一种基于吉尼多样性的新颖期刊多样性指数，以衡量科学出版物的包容性。我们的结果强调了需要更大的代表性，以确保LLMs在医疗保健中的公平应用。我们提出了可行的策略，以增强人工智能研究的多样性和包容性，最终目标是促进医疗保健创新的更加包容和公平的未来。

== 问题与动机 ==
作者面对的研究问题包括：
* 在大型语言模型（[[LLMs]])在[[医疗保健]]领域的研究中，参与者的多样性如何？
* 这些研究中存在的性别和地理差异有多大？
* 这些差异对于LLMs在医疗保健中的公平性和有效性有何影响？
* 如何通过提高研究的多样性和包容性来确保LLMs在全球范围内的公平应用？