Comparing Ophthalmologist and Artificial Intelligence Chatbot Responses to Patient Questions
Notice bibliographique
Résumé
Purpose: We evaluated the ability of ChatGPT, an Artificial Intelligence (AI) Chatbot, to respond to patient eye health queries. Methods: A retrospective, cross-sectional analysis of eye health questions and physician responses posted on the American Academy of Ophthalmology (AAO) "Ask an Ophthalmologist" forum was performed on a random sample from January 2016 to December 2022. We compared board-certified ophthalmologists' responses to ChatGPT (version GPT-4o, OpenAI) responses in September 2024. Primary outcomes included ophthalmologist-rated accuracy of ChatGPT and AAO responses using a 7-point Likert scale, as well as ophthalmologists' preferences between the two responses. Secondary outcomes assessed differences in readability, empathy, and response length between ChatGPT and ophthalmologists. Results: A random sample 250 questions and responses from 41 board-certified ophthalmologists were evaluated. ChatGPT and AAO responses had similar mean accuracy ratings (5.8 [SD=1.1] vs 5.5 [SD=1.1], p=0.07). Evaluators preferred ChatGPT over physician responses in half (49.5%) the cases. Ophthalmologist responses were easier to understand, with a lower mean Flesch-Kincaid Grade Level (Grade 11.0 [SD=2.7] vs Grade 12.7 [SD=1.9], p<0.001). Ophthalmologist responses were also significantly shorter than ChatGPT responses (80.6 [SD=56.4] words vs (337.8 [SD=141.6] words, p<0.001). Empathy ratings did not differ significantly between ChatGPT and ophthalmologists (4.4 [SD=0.6] vs 4.4 [SD=0.6], p=0.5). Conclusion: Our findings suggest that Chatbot responses were as frequently preferred as physician responses, rated with higher accuracy, and demonstrated comparable empathy in addressing online patient eye health queries. AI chatbots may assist in drafting initial responses to patient concerns, potentially improving efficiency and reducing physician workload.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».