Assessing the utility of a natural language processing model in answering common urological questions
Notice bibliographique
Résumé
Abstract Background ChatGPT, an interactive natural language processing model, is becoming increasingly used for medical information gathering. The objective of this study is to investigate the appropriateness of ChatGPT's responses to common urological questions compared to the Canadian Urological Association (CUA) guideline recommendations. Methods A list of 10 urological questions were developed from the CUA guidelines and patient information materials. Each question was asked three times in ChatGPT (Version 4), totaling 30 ChatGPT‐generated responses. Responses were assessed by three reviewers using a 4‐point Likert scale (0–3) to score appropriateness with CUA guidelines as a reference. The median values and variance of answer scores were calculated to form a consensus score to determine model reliability. Results Forty percent ( n = 12/30) of ChatGPT answers were deemed appropriate. The overall mean ± standard deviation score was 1.64 ± 0.85 (between “Some correct and some incorrect” and “Correct but inadequate”). When comparing question difficulty, “Easy” questions had an overall score of 1.87 ± 1.01, compared to “Medium” questions with a score of 1.31 ± 0.47. ChatGPT generated the most appropriate responses in the domains of prostate cancer (3.00 ± 0.25), erectile dysfunction (3.00 ± 0.28), andrology (3.00 ± 0.78), and kidney cancer (3.00 ± 1.00). The average variance between responses was 0.27, demonstrating strong model reliability. Conclusion This study examined the utility of ChatGPT in answering questions based on CUA clinical guidelines. Although promising, ChatGPT underperforms in answering common urological questions despite showing high levels of repeatability.
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 | 0,001 |
| 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 ».