ChatGPT as a Digital Pharmacist: A Systematic Review and Meta-Analysis of Drug-Counselling Accuracy
Notice bibliographique
Résumé
Abstract Background The emergence of Large Language Models (LLMs) like ChatGPT presents significant opportunities for healthcare, yet raises concerns about accuracy, especially in high-risk areas such as medication counseling. A comprehensive evaluation of ChatGPT’s reliability in providing drug information is crucial for its safe integration into clinical practice. This systematic review and meta-analysis aimed to assess the accuracy of drug-counseling information provided by ChatGPT 4. Methods Following PRISMA, we systematically searched PubMed, Embase, Scopus, and Web of Science on May 9, 2025, for original research evaluating the accuracy of ChatGPT (version 4 or newer) in drug-counseling queries. Included studies compared the AI’s output against standard comparators like pharmacists or drug databases. A random-effects meta-analysis was performed to calculate the pooled proportion of accurate responses, and study quality was assessed using a customized Newcastle-Ottawa Scale (NOS). Results The search identified 17 eligible studies. Of these, 15 were included in the meta-analysis, which showed a pooled accuracy rate of 86% (95% CI: 0.75–0.95). However, significant heterogeneity was observed across studies (I2=98.5%, p<0.0001). Quality of the studies was a concern, with only four studies (24%) rated as high quality. No evidence of publication bias was found (p=0.91). Conclusion ChatGPT demonstrates substantial promise in drug counseling, with an 86% accuracy rate that surpasses its performance in other medical domains. However, the high heterogeneity and a non-trivial 14% error rate, coupled with methodological weaknesses in the primary literature, indicate that ChatGPT is not yet ready for autonomous clinical use. Its current role should be as a supplementary tool under the strict supervision of qualified healthcare professionals to ensure patient safety.
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 | 0,044 | 0,134 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,017 | 0,043 |
| Bibliométrie | 0,008 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».