Capabilities of GPT-4 in ophthalmology: an analysis of model entropy and progress towards human-level medical question answering

创造力 原始分数 医学 生成语法 人工智能 计算机科学 原始数据 心理学 数学 统计 社会心理学
作者
Fares Antaki,Daniel Milad,Mark A. Chia,Charles‐Édouard Giguère,Samir Touma,Jonathan El‐Khoury,Pearse A. Keane,Renaud Duval
出处
期刊:British Journal of Ophthalmology [BMJ]
卷期号:: bjo-324438 被引量:18
标识
DOI:10.1136/bjo-2023-324438
摘要

Background Evidence on the performance of Generative Pre-trained Transformer 4 (GPT-4), a large language model (LLM), in the ophthalmology question-answering domain is needed. Methods We tested GPT-4 on two 260-question multiple choice question sets from the Basic and Clinical Science Course (BCSC) Self-Assessment Program and the OphthoQuestions question banks. We compared the accuracy of GPT-4 models with varying temperatures (creativity setting) and evaluated their responses in a subset of questions. We also compared the best-performing GPT-4 model to GPT-3.5 and to historical human performance. Results GPT-4–0.3 (GPT-4 with a temperature of 0.3) achieved the highest accuracy among GPT-4 models, with 75.8% on the BCSC set and 70.0% on the OphthoQuestions set. The combined accuracy was 72.9%, which represents an 18.3% raw improvement in accuracy compared with GPT-3.5 (p<0.001). Human graders preferred responses from models with a temperature higher than 0 (more creative). Exam section, question difficulty and cognitive level were all predictive of GPT-4-0.3 answer accuracy. GPT-4-0.3’s performance was numerically superior to human performance on the BCSC (75.8% vs 73.3%) and OphthoQuestions (70.0% vs 63.0%), but the difference was not statistically significant (p=0.55 and p=0.09). Conclusion GPT-4, an LLM trained on non-ophthalmology-specific data, performs significantly better than its predecessor on simulated ophthalmology board-style exams. Remarkably, its performance tended to be superior to historical human performance, but that difference was not statistically significant in our study.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
今后应助我是月球上的采纳,获得10
刚刚
刚刚
刚刚
1秒前
小蘑菇应助合适的芷巧采纳,获得10
2秒前
bubble发布了新的文献求助30
2秒前
CC完成签到,获得积分10
3秒前
超A发布了新的文献求助10
3秒前
3秒前
3秒前
4秒前
4秒前
4秒前
5秒前
专一的孤菱完成签到,获得积分10
5秒前
5秒前
燕子发布了新的文献求助10
6秒前
6秒前
6秒前
小李完成签到,获得积分10
6秒前
7秒前
救赎发布了新的文献求助10
7秒前
8秒前
紧张的忆霜完成签到,获得积分10
8秒前
飓风发布了新的文献求助10
9秒前
9秒前
潇洒南烟发布了新的文献求助10
9秒前
10秒前
Afaer完成签到,获得积分10
10秒前
ww发布了新的文献求助10
10秒前
小柴胡发布了新的文献求助30
11秒前
11秒前
嗯很好发布了新的文献求助10
11秒前
王不留行发布了新的文献求助10
11秒前
12秒前
文静千凡发布了新的文献求助10
12秒前
小辉要做实验完成签到,获得积分10
12秒前
邢哥哥完成签到,获得积分10
12秒前
含糊的夜阑完成签到,获得积分10
12秒前
LCCCC发布了新的文献求助10
13秒前
高分求助中
The ACS Guide to Scholarly Communication 2500
Sustainability in Tides Chemistry 2000
Pharmacogenomics: Applications to Patient Care, Third Edition 1000
Studien zur Ideengeschichte der Gesetzgebung 1000
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Threaded Harmony: A Sustainable Approach to Fashion 810
《粉体与多孔固体材料的吸附原理、方法及应用》(需要中文翻译版,化学工业出版社,陈建,周力,王奋英等译) 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3083403
求助须知:如何正确求助?哪些是违规求助? 2736768
关于积分的说明 7542379
捐赠科研通 2386033
什么是DOI,文献DOI怎么找? 1265316
科研通“疑难数据库(出版商)”最低求助积分说明 613035
版权声明 597816