Can artificial intelligence models provide reliable medical counselling to fertility patients?
Notice bibliographique
Résumé
RESEARCH QUESTION: Can generative artificial intelligence (AI) models provide reliable counselling to fertility patients regarding real-world clinical questions? DESIGN: In this cross-sectional study, 12 clinical questions were developed to reflect common, real-life dilemmas encountered during fertility workup and treatment. Responses to each question were generated by two experienced fertility specialists, and two AI models - ChatGPT and Gemini. Eight leading internationally recognized fertility experts, blinded to the source of each reply, independently rated all the responses on a scale from 1 (strongly disagree) to 10 (strongly agree). Ratings were compared across all four repliers using non-parametric statistical tests. RESULTS: The replies authored by physicians received significantly higher overall scores than those generated by AI models (P < 0.001). The median scores were highest for Doctor A (9.0), followed by Doctor B (8.0), then ChatGPT (7.0) and finally Gemini, which received the lowest score (4.5). The proportion of high-scoring responses (≥8) was greatest for Doctor A (70.8%), followed by Doctor B (56.3%), then ChatGPT (47.9%) and finally Gemini (35.4%) (P < 0.001). CONCLUSIONS: Experienced fertility specialists outperformed generative AI models in providing accurate responses to complex clinical questions. Despite the growing accessibility and sophistication of AI tools, their use for individualized fertility counselling remains limited. Continued refinement and clinical validation of AI tools are essential before they can be considered reliable for patient-specific guidance. At present, AI should be viewed as a complementary resource rather than a substitute for expert clinical judgement.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,001 |
| 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 ».