Safety-Benchmarking von LLMs in Zervixkrebs-Screening-Management: Fehlerrate bei komplexen Fällen 29%
Von KI ausgewählt und zusammengefasst
Worum es geht
Sicherheitsprüfung von drei großen Sprachmodellen zur Einhaltung von ASCCP-Richtlinien beim Risiko-basierten Management abnormaler Abstriche, mit Fokus auf sichere Empfehlungen.
Ergebnis
Unter Leitlinien-Promptpaket erzielte GPT-5.3 100% fehlerfreie Rate (95%-KI 94-100%), Gemini 3 Flash 98,9%, DeepSeek V3.2 nur 75%. Fehlerrate stieg mit Szenario-Komplexität von 3,1% (niedrig) auf 29% (hoch); Leitlinien-Prompts verbesserten Sicherheit um OR 3,76.
Übertragbarkeit auf Deutschland
USA: Die Befunde zur Fehleranfälligkeit in komplexen, historienabhängigen Szenarien gelten modellunabhängig; Übertragung auf deutsches ärztliches Screening realistisch.
Originalstudie in PubMedIm Hub ansehenNeue Studien per E-Mail
Auswahl und deutsche Zusammenfassung stammen von einer KI und sind nicht redaktionell geprüft. Maßgeblich ist die Originalpublikation.