WikiEdge:MedRxiv-2024.06.18.24309113

• 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。