LLM-Vergleich für klinische Entscheidungsunterstützung in der Implantologie: Spezifität, Genauigkeit und klinischer Nutzen
Von KI ausgewählt und zusammengefasst
Worum es geht
Vergleich von vier Large Language Models (ChatGPT, Gemini, LLaMA mit und ohne Retrieval-Augmented Generation) durch blinded Expert Assessment bezüglich Spezifität, Genauigkeit und klinischer Nutzbarkeit bei 16 zahnärztlichen Fragen.
Ergebnis
LLaMA 3.2 mit RAG erzielte höchste Scores über alle Kriterien (Spezifität Median 9,0, Genauigkeit 9,5, klinischer Nutzen 10,0; alle p<0,001 vs. andere Modelle). RAG-Modelle mit Zugriff auf strukturierte Leitlinien zeigten superior konsistente klinische Performance.
Übertragbarkeit auf Deutschland
Zahnmedizin mit europäischen Studienteilnehmern, Methodologie auf deutsches Gesundheitssystem übertragbar
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.