Application of Large Language Models to the Diagnosis of Respiratory Diseases

Autores/as

  • Anastasiia A. Shamrikova CIC
  • Svetlana V. Krasilnikova Privolzhsky Research Medical University of Nizhny Novgorod
  • Georgii S. Ignatov Effective Technologies, Inc.
  • Nailya Kubysheva Kazan Federal University
  • Imre Rudas Obuda University, Budapest
  • Muhammad Ahmad Instituto Politécnico Nacional
  • Ildar Batyrshin Instituto Politécnico Nacional

DOI:

https://doi.org/10.13053/cys-29-3-5925

Palabras clave:

Large language models, artificial intelligence, medicine, SNOT-22

Resumen

The implementation of large language models (LLM) using artificial intelligence can currently become extremely popular for solving various medical problems. Eight publicly available AI systems were prompted to make an otolaryngological diagnosis based on known symptoms obtained using the standard SNOT-22 medical questionnaire. The aim of the study was to find out to what extent modern AI systems can make a diagnosis without prior training. The results showed that most systems, with one exception, performed satisfactorily, achieving an accuracy of 70-80% compared to an accuracy of 84% achieved by a human specialist using various machine learning methods. The advantages and disadvantages of AI systems for medical diagnostics are discussed in the paper.

Descargas

Publicado

2025-09-28

Número

Vol. 29 Núm. 3 (2025): Vol 29 No 3 (2025)

Sección

Artículos

Licencia

Transfiero exclusivamente a la revista “Computación y Sistemas”, editada por el Centro de Investigación en Computación (CIC), los Derechos de Autor del artículo antes mencionado, asimismo acepto que no serán transferidos a ninguna otra publicación, en cualquier formato, idioma, medio existente (incluyendo los electrónicos y multimedios) o por desarrollar.

Certifico que el artículo, no ha sido divulgado previamente o sometido simultáneamente a otra publicación y que no contiene materiales cuya publicación violaría los Derechos de Autor u otros derechos de propiedad de cualquier persona, empresa o institución. Certifico además que tengo autorización de la institución o empresa donde trabajo o estudio para publicar este Trabajo.

El autor, representante acepta la responsabilidad por la publicación del Trabajo en nombre de todos y cada uno de los autores.

Esta Transferencia está sujeta a las siguientes reservas:

  • Los autores conservan todos los derechos de propiedad (tales como derechos de patente) de este Trabajo, con excepción de los derechos de publicación transferidos al CIC, mediante este documento.
  • Los autores conservan el derecho de publicar el Trabajo total o parcialmente en cualquier libro del que ellos sean autores o editores y hacer uso personal de este trabajo en conferencias, cursos, páginas web personal, etc.