Jennifer S. Gewandter

The use of subjective reports and questionnaires to evaluate chronic pain, while the gold standard, conveys a limited scope of the patients’ experience and is burdensome. Here we demonstrate that large language models (LLMs) can evaluate patient-provided texts and automatically generate specific, clinically meaningful, and reliable scores for the sensory, affective, and social dimensions of chronic pain. LLMs can also generate assessor-dependent constructs such as agency and personal narrative.

استفاده از گزارش‌های ذهنی و پرسشنامه‌ها برای ارزیابی درد مزمن، اگرچه استاندارد طلایی محسوب می‌شود، اما دامنه محدودی از تجربه بیماران را منتقل می‌کند و پرزحمت است. در این پژوهش نشان می‌دهیم که مدل‌های زبانی بزرگ (LLMs) می‌توانند متون ارائه‌شده توسط بیماران را ارزیابی کرده و به طور خودکار نمرات خاص، معنادار بالینی و قابل اعتماد برای ابعاد حسی، عاطفی و اجتماعی درد مزمن تولید کنند. همچنین، مدل‌های زبانی بزرگ قادرند سازه‌هایی وابسته به ارزیاب مانند عاملیت و روایت شخصی را نیز تولید نمایند.