在解读生化实验室数据时,ChatGPT 3.5 Copilot 和 Gemini 的响应准确度 试点研究

科学领域:

• 医疗信息学 医疗信息学
• 医疗保健中的人工智能
• 临床生物化学 临床生物化学

背景情况:

• 像ChatGPT,Gemini和Copilot这样的先进人工智能 (AI) 模型的出现为解释复杂的实验室数据提供了新的机会.
• 在临床环境中评估这些人工智能工具的准确性对于它们在医疗保健中的负责任整合至关重要.
• 生物化学数据的解释是患者诊断和管理的关键组成部分.

研究的目的:

• 评估和比较ChatGPT-3.5,Copilot和Gemini在解释模拟患者生物化学实验室数据中的准确性.
• 用全面的生化资料和功能特定数据子集来评估AI性能.

主要方法:

• 使用了10个模拟的患者生化资料,包括脂质,葡萄糖,HbA1c和功能标志物 (尿素,肌素).
• 三个人工智能模型 (Copilot,Gemini,ChatGPT-3.5) 解释了这些数据.
• 一个由三个人类评分员组成的小组评估了人工智能生成的解释.

主要成果:

• 副驾驶仪在解释完整的生物化学数据中表现出最高的准确性,超过了双子座和ChatGPT-3.5.5.的表现.
• 统计分析 (弗里德曼和恩的后期测试) 证实了Copilot的卓越性能.
• 与完整数据集相比,Copilot在仅分析功能数据时保持了高准确度,并显示了一致的响应.

结论:

• 在解释生化实验室数据方面,Copilot 显示出比双子座和ChatGPT-3.5 更高的准确性.
• 人工智能在不同数据范围的一致性能强调了它在临床使用中的潜在可靠性.
• 在真实世界的临床场景中,人工智能驱动的实验室数据解释需要进一步验证.