20.500.12556/RUL-189788 Uporaba velikih jezikovnih modelov za ustvarjanje in reševanje kliničnih primerov ter vrednotenje kakovosti primerov in rešitev s strani kliničnih farmacevtov : odgovori velikih jezikovnih modelov raziskovalni podatki, obravnavani v magistrskem delu Use of large language models for generating and solving clinical cases and evaluating the quality of cases and solutions by clinical pharmacists : large language models responses research data underlying the master's thesis Raziskovalni podatki so nastali v okviru raziskave o uporabnosti velikih jezikovnih modelov pri reševanju kliničnih primerov. Sedem kliničnih primerov, ki so bili predhodno ustvarjeni z različnimi velikimi jezikovnimi modeli ter pregledani in dopolnjeni na podlagi ocen kliničnih farmacevtov, je reševalo po tri velike jezikovne modele. Posamezen model je odgovarjal na dve splošni in pet specifičnih vprašanj, povezanih s posameznim kliničnim primerom, pri čemer so bila vsem modelom podana enotno oblikovana navodila, komunikacija pa je potekala v slovenskem jeziku. Podatkovni niz vsebuje besedilne odgovore velikih jezikovnih modelov na vprašanja, povezana s prepoznavanjem težav, povezanih z zdravili, predlaganjem farmacevtskih intervencij ter presojo različnih vidikov učinkovitosti in varnosti zdravljenja. Podatki so razvrščeni glede na klinični primer, zastavljeno vprašanje in model, ki je pripravil odgovor. Gre za kvalitativne, nestrukturirane oziroma delno strukturirane besedilne podatke, ki omogočajo primerjavo strokovne pravilnosti, celovitosti, klinične relevantnosti in konkretnosti odgovorov različnih modelov. Odgovori so predstavljali podlago za nadaljnje vrednotenje s strani kliničnih farmacevtov in drugih velikih jezikovnih modelov, pri čemer je ocenjevanje potekalo s petstopenjsko Likertovo lestvico in vsebinskimi komentarji. The research data were generated as part of a study investigating the utility of large language models (LLMs) in solving clinical cases. Seven clinical cases, previously generated using different LLMs and subsequently reviewed and refined based on assessments by clinical pharmacists, were each solved by three LLMs. Each model answered two general and five specific questions related to each clinical case. Standardized instructions were provided to all models, and all interactions were conducted in Slovenian. The dataset contains textual responses generated by the LLMs to questions concerning the identification of drug-related problems, the proposal of pharmaceutical interventions, and the assessment of various aspects of treatment effectiveness and safety. The data are organized according to the clinical case, question, and model that generated the response. The dataset consists of qualitative, unstructured or semi-structured textual data, enabling comparison of the professional accuracy, comprehensiveness, clinical relevance, and specificity of responses generated by different models. The responses served as the basis for subsequent evaluation by clinical pharmacists and other LLMs, using a five-point Likert scale and qualitative comments. klinična farmacija umetna inteligenca veliki jezikovni modeli vrednotenje kliničnih primerov zdravstvo artificial intelligence clinical case evaluation clinical pharmacy healthcare large language models. true false false Slovenski jezik Angleški jezik Raziskovalni podatki 2026-10-15 12:28:26 2026-10-15 22:29:29 2026-10-16 12:24:04 0000-00-00 00:00:00 2026 0 0 0000-00-00 NiDoloceno NiDoloceno NiDoloceno 0000-00-00 0000-00-00 0000-00-00 PREBERI_ME.txt PREBERI_ME.txt PREBERI ME 1 31A150D5C0AEEF160E09F85087BEEC2C 75cfbe57-c94b-11f1-8bc5-0050569b8976 https://repozitorij.uni-lj.si/Dokument.php?lang=slv&id=250681 Resitve_klinicnih_primerov.docx Resitve_klinicnih_primerov.docx Rešitve kliničnih primerov 1 E0DA6A38A4028955017B1B5F88A649C4 2ed0c5387137063f804e4b044322f75aefd2b12e8cfccaef073eb1e04ec5353f 02220f8f-c883-11f1-8bc5-0050569b8976 https://repozitorij.uni-lj.si/Dokument.php?lang=slv&id=250605 Fakulteta za farmacijo Sinteza Simulacija 0 0 0