Fundus photograph interpretation of common retinal disorders by artificial intelligence chatbots
Notice bibliographique
Résumé
Purpose While previous studies have examined the ability of artificial intelligence (AI) chatbots to interpret optical coherence tomography scans, their performance in interpreting fundus photographs of retinal disorders without text-based context remains unexplored. This study aims to evaluate the ability of three widely used AI chatbots to accurately diagnose common retinal disorders from fundus photographs in the absence of text-based context. Design Cross-section study. Methods We prompted ChatGPT-4, Gemini, and Copilot, with a set of 50 fundus photographs from the American Society of Retina Specialists Retina Image Bank® in March 2024, comprising of age-related macular degeneration, diabetic retinopathy, epiretinal membrane, retinal vein occlusion, and retinal detachment. Chatbots were re-prompted four times using the same images throughout June 2024. The primary endpoint was the proportion of each chatbot’s correct diagnoses. No text-based guidance was provided. Results In March 2024, Gemini provided a correct diagnosis for 17 (34%, 95% CI: 21%-49%) fundus images, ChatGPT-4 for 16 (32%, 95% CI: 20%-47%), and Copilot for 9 (18%, 95% CI: 9%-31%) (p>0.05). In June 2024, Gemini provided a correct diagnosis for 122 (61%, 95% CI: 53%-67%) images, ChatGPT-4 for 101 (51%, 95% CI: 43%-58%), and Copilot for 57 (29%, 95% CI: 22%-35%). Conclusion No AI chatbot use in this study was sufficiently accurate for the diagnosis of common retinal disorders from fundus photographs. AI chatbots should not currently be utilized in any clinical setting involving fundus images, given concerns for accuracy and bioethical considerations.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».