大型语言模型在结膜炎研究中的应用：基于幻觉率分析的ChatGPT与DeepSeek病因诊断、干预策略及文献可信度评估

本文系统评估了ChatGPT 4.0与DeepSeek在结膜炎诊疗中的性能差异，通过幻觉率分析（7% vs 13%）揭示模型可靠性，结合轮廓计数（contour count）和平均强度（mean intensity）特征实现眼部图像分类（Claude准确率达100%）。研究创新性提出混合提示工程（prompt engineering）方法，为AI辅助眼科诊断（如细菌性/病毒性结膜炎鉴别）提供临床转化新思路。

　　

引言

结膜炎作为全球性公共卫生问题，近年因抗生素滥用（如荷兰年耗1090万美元）和巴基斯坦8.6万例爆发疫情引发关注。传统诊疗面临细菌耐药性（Karpecki et al., 2010）和病毒/细菌分型困难（误诊率>80%）等挑战，促使研究者探索大型语言模型（LLM）如ChatGPT 4.0与DeepSeek的临床应用潜力。

研究方法

采用混合提示工程（zero-shot与few-shot结合）评估模型性能：

1. 1.

   核心指标：

   • •

     幻觉率=虚假文献数/总文献数×100（公式1）

   • •

     图像特征：轮廓计数（健康眼5-11 vs 结膜炎眼>98）和平均强度（反映血管充血程度）

2. 2.

   模型对比：

   • •

     ChatGPT 4.0：通用医疗知识库

   • •

     DeepSeek：专注精准医学应答

   • •

     Claude 3.5：基于Transformer架构的专科优化

关键发现

信息准确性：

• •

  DeepSeek在结膜炎病因学问答中展现7%幻觉率，显著优于ChatGPT（13%），如推荐抗组胺药治疗过敏性结膜炎时未遗漏 hygiene 依赖 clean water 的关联性。

• •

  文献生成测试：DeepSeek输出30篇真实文献（含重复标题），ChatGPT 15篇中存作者/刊号错误。

图像诊断：

• •

  Claude实现100%分类准确率（F1-score=1），完美区分健康眼（轮廓5-11）与结膜炎亚型（重度/中度）。

• •

  ChatGPT准确率仅62.5%，将50%病例误判（图6混淆矩阵）。

临床价值

1. 1.

   分型诊断：

   • •

     病毒性：支持性护理（冷敷）

   • •

     细菌性：氟喹诺酮类抗生素

   • •

     过敏性：奥洛他定滴眼液

2. 2.

   公共卫生：模型可整合流行病学数据（如Hashmi et al.儿童易感性研究）指导资源分配。

局限与展望

当前样本量16例（总库359例）虽符FDA AI验证标准，但需多中心数据验证。未来可优化：

• •

  提示工程降低Claude对轮廓计数的阈值敏感度

• •

  结合OCT图像提升DeepSeek视觉能力

• •

  扩展Scopus/WoS数据库验证幻觉率

结论

LLM在结膜炎管理呈现差异化优势：DeepSeek适于精准咨询，Claude擅长沙眼分级，ChatGPT适合公众科普。通过特征工程（如mean intensity量化）与严格幻觉控制，AI有望成为眼科医生的"数字听诊器"。