人工智能聊天机器人与YPUC儿科泌尿科医生在Campbell Walsh泌尿学尿道下裂问卷上的表现对比

《World Journal of Urology》：Artificial intelligence chatbots vs. YPUC pediatric urologists: performance on a Campbell Walsh urology hypospadiology questionnaire

本研究比较了AI平台与儿科尿路科医生在结构化知识评估中的表现，发现AI在基础知识、初始管理和并发症处理上得分较高，但在临床及辅助检查评估中表现不足，专家亚组得分优于非专家。AI可作为辅助工具但无法替代人类专家判断。

　　

摘要

研究目的

人工智能（AI）在医学领域的应用日益广泛，但在一些高度专业化的领域（如尿道下裂诊疗）中，其表现仍存在不确定性。本研究旨在通过结构化的知识评估，比较AI平台与儿科泌尿科医生的表现。

研究方法

欧洲儿科泌尿学会（ESPU）的青年儿科泌尿科医生委员会（YPUC）的23名成员以及五种AI模型（ChatGPT 3.5、ChatGPT 4.0、Gemini、Copilot和Doubao）完成了包含31道选择题的问卷（Campbell Walsh Urology第12版）。评估结果从整体情况、不同子群体（欧洲儿科泌尿学会认证专家（FEAPU，n=15）、年龄超过35岁的医生（n=16）以及自称为尿道下裂诊疗专家的医生（n=12））三个方面进行分析，并涵盖了四个主题类别：基础知识、临床与辅助临床评估、初步处理以及并发症处理。

研究结果

AI和人类受访者的整体表现相当（分别为67.7%和61.2%，p=0.467）。然而，在某些子群体中，AI的表现优于人类：获得FEAPU认证的医生优于未获得认证的医生（61.3% vs 53.2%，p=0.001）；年龄超过35岁的医生优于35岁及以下的医生（61.3% vs 54.8%，p=0.039）；自称为尿道下裂诊疗专家的医生优于非专家（61.3% vs 54.8%，p=0.039）。AI在基础知识（83% vs 67%，p=0.320）、初步处理（71% vs 57%，p=0.450）和并发症处理（64% vs 55%，p=0.087）方面的表现更佳，但在临床与辅助临床评估方面表现较差（57% vs 71%，p=0.003）。该研究的主题具有高度专业性，因此其结果难以推广到更广泛的医疗场景中。

结论

AI平台在结构化问卷测试中的得分与儿科泌尿科医生相当，但在需要细致临床判断的领域仍存在不足。虽然AI在教育支持方面具有潜力，但它无法替代人类专家在尿道下裂诊疗中的判断力。