Zanesljivost velikih jezikovnih modelov pri triažiranju poškodovancev v množičnih nesrečahKošir, Tajda (Avtor) Dolenc, Eva (Mentor) Metelko, Žiga (Komentor) Prestor, Jože (Recenzent) diplomska delazdravstvena negamnožične nesrečeprimarna triažaSIEVEveliki jezikovni modeliumetna inteligencaUvod: Množične nesreče so velik izziv za sistem nujne medicinske pomoči, saj je treba zaradi velikega števila poškodovancev in omejenih virov hitro ter pravilno določiti prednostno obravnavo posameznikov. V zadnjih letih so vse pogostejše raziskave možnosti uporabe umetne inteligence, zlasti velikih jezikovnih modelov (LLM) kot podpornega orodja pri sprejemanju odločitev v zdravstvu. Namen: Namen diplomskega dela je bil primerjati zanesljivost velikih jezikovnih modelov pri triažiranju poškodovancev po algoritmu SIEVE z odločitvami usposobljenih zdravstvenih delavcev ter oceniti njihovo potencialno uporabnost pri primarni triaži v množičnih nesrečah. Metode dela: Opravljena je bila kvantitativna primerjalna raziskava. V raziskavo je bilo vključenih sto simuliranih primerov poškodovancev, ki jih je po algoritmu SIEVE triažiralo pet usposobljenih zdravstvenih delavcev, zaposlenih v nujni medicinski pomoči, ter štirje veliki jezikovni modeli (ChatGPT 5.5, Claude Opus 4.1, MedGemma in Meditron). Za vse sodelujoče so bila uporabljena enaka navodila, scenarij množične nesreče in podatki o poškodovancih. Rezultate LLM smo primerjali z odločitvami zdravstvenih delavcev. Rezultati: Najvišjo stopnjo ujemanja z odločitvami zdravstvenih delavcev je dosegel ChatGPT 5.5 (98%), sledila sta Claude Opus 4.1 (95%) in MedGemma (92 %), medtem ko je Meditron dosegel 80 % ujemanje. Med triažnimi odločitvami je bilo največ razlik ugotovljenih pri oceni dihalne frekvence in cirkulacijskih parametrov. Razprava in zaključek: Rezultati raziskave kažejo, da lahko sodobni veliki jezikovni modeli ob ustrezno pripravljenih navodilih dosegajo visoko stopnjo skladnosti z odločitvami usposobljenih zdravstvenih delavcev pri primarni triaži po algoritmu SIEVE. Kljub obetavnim rezultatom zaradi možnosti napačnih odločitev, pomanjkanja klinične presoje ter etičnih in pravnih omejitev trenutno niso primerni za samostojno uporabo, temveč predvsem kot podporno orodje pri odločanju v množičnih nesrečah.[T. Košir]20262026-08-29 07:47:39Diplomsko delo/naloga186263sl