K\u00fcnstliche Intelligenz-Tools, die nat\u00fcrliche Sprache verstehen und generieren k\u00f6nnen, zeigen eine bemerkenswerte F\u00e4higkeit, Fachkr\u00e4fte im Gesundheitswesen in spezialisierten medizinischen Bereichen zu unterst\u00fctzen. Eine aktuelle Bewertung testete vier dieser Systeme mit pr\u00e4zisen klinischen Fragen zur Behandlung von Harnsteinen, einer h\u00e4ufigen und komplexen Erkrankung.<\/p>\n
Die Forscher erstellten 105 Fragen, die verschiedene Aspekte dieser Krankheit abdecken \u2013 von der Diagnose \u00fcber Behandlungen bis hin zu besonderen Situationen wie Schwangerschaft oder p\u00e4diatrischen F\u00e4llen. Jedes System beantwortete diese Fragen in zwei separaten Sitzungen. Zwei erfahrene Urologen bewerteten anschlie\u00dfend die Antworten, indem sie sie mit den Empfehlungen der Referenz-Leitlinien verglichen. Die Ergebnisse zeigen, dass alle Systeme hohe Punktzahlen erreichten, mit einem Durchschnitt zwischen 86 und 93 Prozent, was auf eine starke \u00dcbereinstimmung mit den medizinischen Richtlinien hindeutet. Eines der Modelle stach dabei mit einer besonders starken \u00dcbereinstimmung mit den Expertenbewertungen hervor und erreichte eine Konkordanzrate von 94 Prozent.<\/p>\n
Es wurden keine signifikanten Unterschiede zwischen den Leistungen der Systeme oder den verschiedenen Fragekategorien festgestellt, was auf eine Stabilit\u00e4t in ihrer F\u00e4higkeit hinweist, zuverl\u00e4ssige Informationen zu liefern. Zudem waren die in den beiden Sitzungen generierten Antworten sehr \u00e4hnlich, was die Wiederholbarkeit der Ergebnisse best\u00e4tigt.<\/p>\n
Diese Tools k\u00f6nnten daher als Unterst\u00fctzung f\u00fcr die medizinische Ausbildung und klinische Assistenz dienen, indem sie Antworten liefern, die auf bew\u00e4hrten Praktiken basieren. Ihre Verwendung als erg\u00e4nzende Hilfe im Bereich der Urologie erscheint vielversprechend, auch wenn zus\u00e4tzliche Validierungen in realen Kontexten erforderlich sind, um ihren Nutzen in der t\u00e4glichen Praxis zu best\u00e4tigen. Ihre Integration k\u00f6nnte den Zugang zu standardisierten und aktuellen Informationen erleichtern, wobei die Bedeutung einer menschlichen Aufsicht betont wird, um die Sicherheit und Relevanz medizinischer Entscheidungen zu gew\u00e4hrleisten.<\/p>\n
DOI\u00a0:<\/strong> https:\/\/doi.org\/10.1007\/s00240-026-02013-1<\/a><\/p>\n Titre\u00a0:<\/strong> Performance of large language models in urological decision support: a guideline-based comparative evaluation in urolithiasis<\/p>\n Revue : <\/strong> Urolithiasis<\/p>\n \u00c9diteur : <\/strong> Springer Science and Business Media LLC<\/p>\n Auteurs : <\/strong> Adem Tun\u00e7ekin; Yasin Akta\u015f<\/p>\n","protected":false},"excerpt":{"rendered":" KI-Modelle beantworten klinische Fragen zu Harnsteinen pr\u00e4zise K\u00fcnstliche Intelligenz-Tools, die nat\u00fcrliche Sprache verstehen und generieren k\u00f6nnen, zeigen eine bemerkenswerte F\u00e4higkeit, Fachkr\u00e4fte im Gesundheitswesen in spezialisierten medizinischen Bereichen zu unterst\u00fctzen. Eine aktuelle Bewertung testete vier dieser Systeme mit pr\u00e4zisen klinischen Fragen zur Behandlung von Harnsteinen, einer h\u00e4ufigen und komplexen Erkrankung. Die Forscher erstellten 105 Fragen, die… KI-Modelle beantworten klinische Fragen zu Harnsteinen pr\u00e4zise<\/span> weiterlesen<\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[2],"tags":[],"class_list":["post-47","post","type-post","status-publish","format-standard","hentry","category-gesundheit","entry"],"_links":{"self":[{"href":"https:\/\/journalofartificialintelligence.com\/de\/wp-json\/wp\/v2\/posts\/47","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/journalofartificialintelligence.com\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/journalofartificialintelligence.com\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/journalofartificialintelligence.com\/de\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/journalofartificialintelligence.com\/de\/wp-json\/wp\/v2\/comments?post=47"}],"version-history":[{"count":1,"href":"https:\/\/journalofartificialintelligence.com\/de\/wp-json\/wp\/v2\/posts\/47\/revisions"}],"predecessor-version":[{"id":48,"href":"https:\/\/journalofartificialintelligence.com\/de\/wp-json\/wp\/v2\/posts\/47\/revisions\/48"}],"wp:attachment":[{"href":"https:\/\/journalofartificialintelligence.com\/de\/wp-json\/wp\/v2\/media?parent=47"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/journalofartificialintelligence.com\/de\/wp-json\/wp\/v2\/categories?post=47"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/journalofartificialintelligence.com\/de\/wp-json\/wp\/v2\/tags?post=47"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}