具有有限信息的生成人工智能,在口腔病理学差异诊断问题上表现优于博士前学生平均水平
1Department of Oral and Maxillofacial Surgery, University of the Pacific Arthur A. Dugoni School of Dentistry, San Francisco, California, USA.
概括
与牙科学生相比,生成人工智能 (AI) 在口腔病理病例中表现出更高的诊断准确性. 这凸显了人工智能作为牙科教育中临床决策的宝贵工具的潜力.
科学领域:
- 口腔病理学 口腔病理学
- 医疗保健中的人工智能
- 牙科教育 牙科教育
背景情况:
- 人工智能 (AI) 正在迅速发展,并被整合到医疗保健中,包括牙科诊断和教育.
- 人工智能在牙科教育中支持临床决策的有效性尚未得到充分证实.
- 这项研究调查了生成AI在形成牙科学生口腔病理病例的临床印象方面的表现.
研究的目的:
- 在临床口腔病理学中评估生成AI的诊断准确性.
- 为了比较生成AI的诊断性能与牙科医生 (DDS) 学生的诊断性能.
- 为了确定AI和DDS学生之间的诊断准确性是否存在统计学上显著的差异.
主要方法:
- 对临床口腔病理学的差异诊断检查给了生成AI模型和DDS学生.
- 人工智能模型提供了有限的案例信息,而DDS学生则获得了全面的案例细节和多选项选项.
- 在AI和学生组之间比较了诊断绩效的准确性和统计意义.
主要成果:
- 生成型人工智能模型实现了95.65%的诊断准确度.
- DDS学生的诊断准确率达到78.92%.
- 人工智能模型和DDS学生之间的诊断准确度差异在统计学上是显著的.
结论:
- 生成型人工智能显示出作为临床口腔病理学的宝贵工具的巨大潜力,即使投入有限.
- 与DDS学生相比,AI的诊断准确度更高,这表明将AI纳入牙科教育有好处.
- 人工智能可以帮助牙科学生开发和完善他们的临床印象制定技能.
