AMBOSS

人工智能医学教育的进步

Chat-GPT-4、AMBOSS 用户和 Chat-GPT-3.5 的准确率分别为 71.33%、54.38% 和 46.23%。在比较模型时，GPT-4 有了显着的改进，与 GPT-3 相比，准确率提高了 25%，试验间一致性提高了 8%（p<.001）。GPT 模型在第 1 步和第 2 步内容之间的性能相似。GPT-3.5 和 GPT-4 的表现因医学主题而异（p=.027，p=.002）。但是，没有明显的变化模式。随着问题难度的增加，GPT 模型和 AMBOSS 用户的性能均下降（p<.001）。但是，GPT-4 的准确率下降不太明显。与 AMBOSS 用户相比，GPT 模型的准确率随问题难度的变化较小，从最简单问题到最难问题的准确率平均分别下降 45% 和 62%。