ChatGPT-Exploring Its Role in Clinical Chemistry.
Notice bibliographique
Résumé
OBJECTIVE: To evaluate the utility of artificial intelligence-powered language models (ChatGPT 3.5 and GPT-4) compared to trainees and clinical chemists in responding to common laboratory questions in the broad area of Clinical Chemistry. METHODS: 35 questions from real-life case scenarios, clinical consultations, and clinical chemistry testing questions were used to evaluate ChatGPT 3.5, and GPT-4 alongside clinical chemistry trainees (residents/fellows) and clinical chemistry faculty. The responses were scored based on category and based on years of experience. RESULTS: The Senior Chemistry Faculty demonstrated superior accuracy with 100% of correct responses compared to 90.5%, 82.9%, and 71.4% of correct responses from the junior chemistry faculty, fellows, and residents respectively. They all outperformed both ChatGPT 3.5 and GPT-4 which generated 60% and 71.4% correct responses respectively. Of the sub-categories examined, ChatGPT 3.5 achieved 100% accuracy in endocrinology while GPT-4 did not achieve 100% accuracy in any subcategory. GPT-4 was overall better than ChatGPT 3.5 by generating similar correct responses as residents (71.4%) but performed poorly to human participants when both partially correct and incorrect indices were considered. CONCLUSION: Despite all the advances in AI-powered language models, ChatGPT 3.5 and GPT-4 cannot replace a trained pathologist in answering clinical chemistry questions. Caution should be observed by people, especially those not trained in clinical chemistry, to interpret test results using chatbots.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,015 | 0,062 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,004 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».