Comparative evaluation of ChatGPT-4, Claude 3.5 Sonnet, and Gemini 1.5 Advanced for patient education on chronic obstructive pulmonary disease (COPD): a global expert assessment of artificial intelligence (AI)-generated responses
Notice bibliographique
Résumé
Background: AI models like ChatGPT-4, Claude 3.5 Sonnet, and Gemini 1.5 Advanced are increasingly used to generate information, but their effectiveness in delivering accurate and reliable health content related to COPD remains insufficiently explored. Objective: To evaluate and compare the response quality of AI-generated answers to frequently asked questions about COPD. Methods: 30 COPD-related questions, based on the 2024 Global Initiative for Chronic Obstructive Lung Disease strategy document, were input into three AI platforms in September 2024. The 90 responses were evaluated by expert pulmonologists from six continents, blinded to the AI platform, and assessed on a Likert scale (1–5) across five criteria: completeness, accuracy, terminology, accessibility, and safety. Group differences were assessed using the Kruskal–Wallis test, followed by Dunn’s test with Bonferroni correction for multiple comparisons. Results: 61 experienced pulmonologists assessed the survey. Statistical analysis showed that Gemini outperformed the others in response completeness (p < 0.01–0.03), while Claude achieved higher accuracy in information delivery and medical terminology (p = 0.002–0.05). No differences were found for accessibility or safety (all p > 0.05). Conclusions: All three AI platforms provided potentially useful information, though performance varied. Caution is advised when using them as COPD guides for patients and families. While AI has the potential to support global respiratory health education, further research is needed to ensure accuracy and validation.
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 | 0,047 | 0,121 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».