Knowledge-Hub Digitalisierung, KI & Gesundheitein Angebot von Monitor Versorgungsforschung

Knowledge-Hub Digitalisierung, KI & Gesundheit › Studien

Large Language Models in europäischen Anästhesiologie-Prüfungen

Andrei S et al. · JMIR Form Res · erschienen 01.09.2026 · PMID 42678529

Von KI ausgewählt und zusammengefasst

Worum es geht

Vergleichende Studie von Claude Sonnet 4.5, Gemini 2.5 Pro, GPT-5 und Grok 4 bei 437 Multiple-Choice-Fragen (1748 Queries) aus europäischen Anästhesiologie-Examina (EDAIC, Pflegeanästhesisten).

Ergebnis

Erfolgsquoten 86% bis 94% (alle über EDAIC-Teil-I-Bestehensgrenze). Signifikante Unterschiede zwischen Modellen nur für EDAIC (Friedman χ²=13,9; p=0,003; W=0,02): Gemini vs. GPT-5 statistisch bedeutsam. Halluzinationsrate 11% bis 20,1% ohne signifikante Unterschiede. Schlussfolgerung: Hohe Leistung aber klinisch relevante Halluzinationen (11–20%), daher nur als überwachte Lernwerkzeuge geeignet.

Übertragbarkeit auf Deutschland

Multinationale europäische Studie (Frankreich, Rumänien), europäische Zertifizierungen

Auswahl und deutsche Zusammenfassung stammen von einer KI und sind nicht redaktionell geprüft. Maßgeblich ist die Originalpublikation.