大语言模型DeepSeek-V3与ChatGPT-4o在慢性胰腺炎患者咨询中与传统在线医疗平台的对比评估研究

《BMC Gastroenterology》:Comparison of Deepseek-V3, ChatGPT-4o, and online medical platforms in addressing chronic pancreatitis related questions

【字体: 大 中 小 】 时间:2026年10月14日 来源:BMC Gastroenterology 3.2

编辑推荐:

   **摘要** **背景** 慢性胰腺炎(CP)是一种复杂的、进行性的炎症性疾病,以胰腺实质的不可逆损伤为特征,导致外分泌和内分泌功能障碍。CP患者常遭受难以忍受的症状,包括慢性疼痛、吸收不良和糖尿病,严重损害其生活质量。CP管理面临的一个关键挑战是难以获取准确、及时的医疗

  **摘要****背景**慢性胰腺炎(CP)是一种复杂的、进行性的炎症性疾病,以胰腺实质的不可逆损伤为特征,导致外分泌和内分泌功能障碍。CP患者常遭受难以忍受的症状,包括慢性疼痛、吸收不良和糖尿病,严重损害其生活质量。CP管理面临的一个关键挑战是难以获取准确、及时的医疗信息,而这些信息对于知情决策至关重要。近年来,如ChatGPT和DeepSeek等先进的大语言模型(LLMs)作为潜在的医学知识来源而崭露头角,能够快速回答健康相关问题。然而,这些AI驱动的平台在CP领域的可靠性和临床效用仍缺乏充分研究,尤其是与传统在线医疗资源相比。**目的**本研究旨在全面评估两个领先的AI模型——DeepSeek-V3和ChatGPT-4o——与传统在线医疗平台在应对CP相关咨询方面的表现。评估聚焦于两个关键领域:(1)基于2020年美国胃肠病学会(ACG)临床指南的指南知识,以及(2)从真实临床随访记录中提取的患者特异性问题。通过将AI生成的回答与医生整理的信息进行对比,本研究旨在确定大语言模型在支持CP患者教育和临床决策辅助方面的潜在作用。**方法**我们进行了一个包含21个指南衍生问题和40个患者衍生问题的两阶段评估。在第一阶段,两名采用盲法评估的胃肠病学家独立评估了DeepSeek-V3和ChatGPT-4o的回答在准确性、完整性、全面性和安全性方面的表现。他们对每个问题和每个模型进行了评分并取平均值。在第二阶段,将两个模型的回答与来自在线医疗平台的医生回答进行对比。40名患者对三种来源的回答进行了共情性和满意度的评分。比较采用了配对Wilcoxon符号秩检验,或先进行Friedman检验再配合带Holm校正的配对Wilcoxon检验。由于参与者级别的评分无法用于重新分析,患者报告结果的分析采用了匹配的问题级别聚合平均值。**结果**在回答基于指南的问题时,DeepSeek-V3和ChatGPT-4o在准确性、完整性、全面性和安全性方面表现相似。对于患者衍生问题,三种信息来源在准确性和安全性上表现相当。尽管完整性在总体分析中存在差异(P = 0.015),但所有成对比较在Holm校正后均不再具有统计学意义。全面性在来源之间也存在差异(P < 0.001),其中DeepSeek-V3的评分低于在线医疗平台(Holm校正后 P = 0.020)和ChatGPT-4o(Holm校正后 P = 0.009);ChatGPT-4o与在线医疗平台之间差异不显著(Holm校正后 P = 0.499)。问题级别平均评分显示,各来源在感知的共情性或满意度方面均无显著差异。在所有来源中,共情性评分相对较佳,而满意度则相对一般。**结论**DeepSeek-V3和ChatGPT-4o对慢性胰腺炎相关问题提供了总体准确且安全的回答。然而,DeepSeek-V3描述性较高的完整性并未转化为更广泛的临床覆盖,因为其全面性评分低于ChatGPT-4o和在线医疗平台。大语言模型可以补充患者教育,但其回答应作为专业临床评估的补充而非替代,特别是在需要个体化解读和更广泛临床背景的情况下。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号