Artificial intelligence versus ophthalmology experts: Comparative analysis of responses to blepharitis patient queries
Notice bibliographique
Résumé
Objective To assess the accuracy and clinical education value of responses from AI models (GPT-3.5, GPT-4o, Gemini, Gemini Advanced) compared to expert ophthalmologists’ answers to common patient questions about blepharitis, and evaluate their potential for patient education and clinical use. Methods Thirteen frequently asked questions about blepharitis were selected. Responses were generated by AI models and compared to expert answers. A panel of ophthalmologists rated each response for correctness and clinical education value using a 7-point Likert scale. The Friedman test with post hoc comparisons was used to identify performance differences. Results Expert responses had the highest correctness (6.3) and clinical education value (6.4) scores, especially in complex, context-driven questions. Significant differences were found between expert and AI responses ( P < 0.05). Among AI models, GPT-3.5 performed best in simple definitions (correctness: 6.4) but dropped to 5.5 in nuanced cases. GPT-4o followed (5.4), while Gemini and Gemini Advanced scored lower (5.0 and 4.9), especially in diagnostic and treatment contexts. Conclusions AI models can support patient education by effectively answering basic factual questions about blepharitis. However, their limitations in complex clinical scenarios highlight the continued need for expert input. While promising as educational tools, AI should complement—not replace—clinician guidance in patient care.
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 | 0,112 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 ».