相关实验视频
Updated: May 12, 2026
07:52
Conjunctival Commensal Isolation and Identification in Mice
Published on: May 1, 2021
5.0K
大型语言模型在流行性角质结膜炎中的准确性和完整性 查询:比较研究
Acieh Es'haghi1, Mohsen Aliyariparand1, Kaveh Jamalipour Soufi1
1Eye Research Center, Five Senses Health Institute, School of Medicine, Iran University of Medical Sciences, Tehran, Iran.
International journal of medical informatics
|February 26, 2026
概括
大型语言模型 (LLM) 在回答有关流行性角膜结膜炎 (EKC) 的问题时表现出高准确性和完整性. 这些人工智能工具是可靠的眼科信息,帮助专业人员与EKC知识检索和患者教育.
科学领域:
- 眼科医生 眼科 眼科
- 人工智能的人工智能
- 医疗信息学 医疗信息学
背景情况:
- 大型语言模型 (LLM) 在眼科等专业临床领域的可靠性尚未得到充分证实.
- 流行性角膜结膜炎 (EKC) 是一种传染性腺病毒性眼部感染,需要准确的诊断和治疗信息.
- 本研究评估了在EKC的背景下LLM的表现.
研究的目的:
- 评估和比较ChatGPT和MetaAI对眼科有关EKC问题的答案的准确性和完整性.
- 描述在特定的高感染率眼科疾病领域的LLM绩效.
- 为了告知LLMs在眼科的潜在用途.
主要方法:
- 一项横截面研究,使用34个关于EKC的结构化问题 (病因学,临床特征,诊断,治疗,预后).
- 两个角膜专家独立评估了ChatGPT和Meta AI的反应.
- 评分使用了五点的利克特等级来确定准确性和完整性;测量了评审者之间的一致性.
主要成果:
- 这两种LLM都表现出色,平均准确度高 (两者均为4.87),完整度得分高 (ChatGPT为4.90,MetaAI为4.93).
- 在专家评级者之间发现了实质性的协议 (κ范围为0.78-0.88).
- 超级人工智能显示略高的完整性,特别是在诊断和症状相关的查询.
结论:
- 在解决与EKC相关的眼科查询方面,LLM表现强且一致.
- 他们的能力支持使用作为知识检索,治疗解释和眼科患者咨询的补充工具.
- 专业监督在使用LLM获得EKC等疾病的临床信息时至关重要.
