Prompt: Truy vấn thông tin về các phương pháp điều trị mới nhất cho bệnh võng mạc tiểu đường – Chẩn đoán Y khoa – AI Y tế

Tuyệt vời! Với vai trò là một chuyên gia kỹ thuật tạo prompt, tôi sẽ phân tích chi tiết mẫu prompt bạn cung cấp theo yêu cầu.

1. Phân tích Cấu trúc Prompt

Mẫu prompt này được thiết kế tốt, có cấu trúc rõ ràng và sử dụng biến để linh hoạt hóa yêu cầu.

• Mục tiêu chính: Yêu cầu cung cấp thông tin chi tiết về các phương pháp điều trị bệnh lý võng mạc tiểu đường.
• Phạm vi hẹp hơn: Tập trung vào các phương pháp mới nhất và hiệu quả nhất.
• Yếu tố tùy chỉnh: Biến [DAC_DIEM_RIENG_BIET] cho phép người dùng chỉ định các tình huống cụ thể hoặc đặc điểm riêng của bệnh nhân (ví dụ: tân mạch kháng trị, phù hoàng điểm nặng). Điều này giúp tạo ra kết quả được cá nhân hóa và phù hợp hơn với nhu cầu.
• Các loại phương pháp điều trị cụ thể: Prompt liệt kê rõ ràng các loại phương pháp cần được đề cập, bao gồm:
  • Thuốc tiêm nội nhãn (anti-VEGF, corticosteroid)
  • Laser quang đông
  • Phẫu thuật cắt dịch kính
  • Các liệu pháp đang thử nghiệm lâm sàng
• Yêu cầu bổ sung: Yêu cầu đánh giá ưu và nhược điểm của từng phương pháp, giúp cung cấp một cái nhìn toàn diện và cân nhắc.

2. Ý nghĩa & Cách hoạt động

Về mặt kỹ thuật, mẫu prompt này hoạt động như sau:

• Truy vấn thông tin chuyên sâu: Model được yêu cầu truy xuất kiến thức y khoa về “bệnh lý võng mạc tiểu đường”.
• Lọc theo tính mới và hiệu quả: Việc nhấn mạnh “mới nhất và hiệu quả nhất” hướng model tập trung vào các phương pháp điều trị hiện đại, có bằng chứng khoa học mạnh mẽ và tỷ lệ thành công cao.
• Cá nhân hóa dựa trên biến: Khi biến [DAC_DIEM_RIENG_BIET] được thay thế, model sẽ điều chỉnh phạm vi tìm kiếm và phân tích thông tin để phù hợp với tình huống được chỉ định. Ví dụ, nếu là “tân mạch kháng trị”, model sẽ ưu tiên tìm kiếm các phác đồ, thuốc hoặc kỹ thuật điều trị đã được chứng minh là có hiệu quả trên các ca kháng trị với các liệu pháp thông thường.
• Cấu trúc hóa đầu ra: Việc liệt kê rõ ràng các loại phương pháp và yêu cầu đánh giá ưu nhược điểm giúp model tổ chức thông tin theo một cấu trúc logic, dễ hiểu cho người đọc.
• Ngôn ngữ y khoa: Sử dụng các thuật ngữ y khoa chuyên ngành (bệnh lý võng mạc tiểu đường, tân mạch, phù hoàng điểm, anti-VEGF, corticosteroid, laser quang đông, cắt dịch kính) giúp định hướng model vào lĩnh vực kiến thức chính xác.

3. Ví dụ Minh họa

Đây là hai ví dụ về cách người dùng có thể điền vào mẫu prompt để tạo ra các truy vấn cụ thể:

Ví dụ 1: Tập trung vào phù hoàng điểm nặng

“`text
Cung cấp thông tin chi tiết về các phương pháp điều trị mới nhất và hiệu quả nhất hiện có cho bệnh lý võng mạc tiểu đường, đặc biệt là cho trường hợp có phù hoàng điểm nặng như biến chứng do tân mạch kháng trị. Bao gồm các thông tin về thuốc tiêm nội nhãn (anti-VEGF, corticosteroid), laser quang đông, phẫu thuật cắt dịch kính, và các liệu pháp đang thử nghiệm lâm sàng. Đánh giá ưu và nhược điểm của từng phương pháp.
“`

Ví dụ 2: Yêu cầu tổng quát về các phương pháp điều trị mới

“`text
Cung cấp thông tin chi tiết về các phương pháp điều trị mới nhất và hiệu quả nhất hiện có cho bệnh lý võng mạc tiểu đường, đặc biệt là cho trường hợp có các biến chứng mạch máu lan tỏa. Bao gồm các thông tin về thuốc tiêm nội nhãn (anti-VEGF, corticosteroid), laser quang đông, phẫu thuật cắt dịch kính, và các liệu pháp đang thử nghiệm lâm sàng. Đánh giá ưu và nhược điểm của từng phương pháp.
“`

👉 Tóm lại

Mẫu prompt này rất toàn diện và hiệu quả trong việc thu thập thông tin chuyên sâu về các phương pháp điều trị bệnh lý võng mạc tiểu đường. Nó kết hợp tốt giữa yêu cầu cung cấp thông tin rộng với khả năng cá nhân hóa thông qua biến [DAC_DIEM_RIENG_BIET]. Việc yêu cầu đánh giá ưu nhược điểm cũng đảm bảo người dùng nhận được thông tin mang tính phân tích, có giá trị trong việc ra quyết định hoặc hiểu rõ hơn về các lựa chọn điều trị. Đây là một mẫu prompt đáng học hỏi cho bất kỳ ai muốn trích xuất thông tin y khoa chi tiết và có cấu trúc từ các mô hình AI.