Late Breaking Abstract - Evaluating the accuracy of state-of-the-art large language models in answering asthma multiple choice and objective structured clinical examination questions
Notice bibliographique
Résumé
Background: Large Language Models (LLMs) demonstrate promising clinical applications, but their asthma knowledge has not been thoroughly explored. Additionally, state-of-the-art models newly released in 2025 have yet to be evaluated for asthma clinical knowledge. Objectives: To assess LLM performance in asthma Multiple-Choice Questions (MCQ) and Objective Structure Clinical Examinations (OSCE), and to compare accuracy across a range of state-of-the-art LLMs. Methods: Thirteen LLMs (Asthma GPT, ChatGPT 4o, ChatGPT o1, ChatGPT o3-mini, ChatGPT o3-mini-high, Claude 3.7 Sonnet, DeepSeek V3, Gemini 2.0 Flash, Grok 3, Le Chat, Llama 3, NICE AsthmaBot) were tested (5 iterations each) on 114 asthma MCQs and 3 OSCEs. We compared accuracy between LLMs, and then assessed differences between MCQ vs. OSCE, generic vs. medicine-specific LLMs, open-source vs. proprietary LLMs, and between patient vs. clinician-oriented questions. Results: MCQ accuracy was excellent, with 12/13 models exceeding 85% and 4/13 surpassing 95%. OSCE accuracy was varied, though most models still scored >70%. LLMs performed better in MCQs than OSCEs (91% vs 74%, p<0.001), and ChatGPT o1 ranked highest in both categories. No significant differences were found between ChatGPT variants, between open-source vs. proprietary models, or between generic vs. medicine-specific LLMs. Accuracy was 12.2% higher in patient- vs. clinician-oriented MCQs (p < 0.01). Conclusions: Modern LLMs demonstrate high accuracy across varied asthma-related questions. ChatGPT models were the most consistent. These models may serve as important resources for both patients and proviers in asthma education.
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 | 0,012 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,007 |
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 ».