Einsatz eines ChatGPT‐4‐basierten Chatbots in der Teledermatologie: Eine retrospektive explorative Studie
Bibliographic record
Abstract
Zusammenfassung Hintergrund und Zielsetzung Die Integration von künstlicher Intelligenz, insbesondere ChatGPT, in das Gesundheitswesen verändert die medizinische Diagnostik und kann für die Teledermatologie vorteilhaft sein. Die vorliegende explorative Studie verglich die von einem ChatGPT‐4‐basierten Chatbot erstellte Bildbeschreibung und Differentialdiagnose mit jener menschlicher Teledermatologen (TDs). Patienten und Methoden In dieser retrospektiven Studie wurden 154 teledermatologische Konsultationen (Dezember 2023 ‐ Februar 2024) mit der Leistung von ChatGPT‐4 bei Bildbeschreibungen und Diagnosen verglichen. Die diagnostische Übereinstimmung wurde als „Top1“ (exakte Übereinstimmung mit den Diagnosen der TDs), „Top3“ (korrekte Diagnose innerhalb einer der drei Top‐Diagnosen) oder „Partiell“ (ähnliche, aber nicht identische Diagnosen) klassifiziert. Die Bildbeschreibungen wurden nach Qualitätsparametern (Lage, Farbe, Größe, Morphologie und Umgebung) und nach Genauigkeit (Ja, Nein und Partiell) bewertet und verglichen. Ergebnisse Von 154 Fällen erreichte ChatGPT‐4 in 108 (70,8%) eine Top1‐Diagnoseübereinstimmung, in 137 (87,7%) eine Top3‐Übereinstimmung, in vier (2,6%) eine partielle Übereinstimmung und in 15 (9,7%) Fällen keine Diagnoseübereinstimmung. Die Qualität der Bildbeschreibungen von ChatGPT‐4 übertraf die der TDs bei allen fünf Parametern deutlich. Die Beschreibungen von ChatGPT‐4 waren in 130 (84,4%) Fällen korrekt, in 22 (14,3%) Fällen partiell korrekt und in zwei (1,3%) Fällen nicht korrekt. Schlussfolgerungen Die vorläufigen Ergebnisse dieser Studie zeigen, dass ChatGPT‐4 das Potenzial zur Generierung korrekter Bildbeschreibung und Differentialdiagnosis hat und wie vielversprechend die Integration von künstlicher Intelligenz in asynchrone Teledermatologie‐Workflows ist.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.003 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.002 | 0.006 |
| Insufficient payload (model declined to judge) | 0.001 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".