大型语言模型在视网膜和玻璃体认证考试中的表现
摘要
该研究评估了ChatGPT-4、ChatGPT-4o和Claude 3.5 Sonnet在巴西视网膜和玻璃体学会认证考试中的准确性。研究使用了2018年和2019年的200道选择题，涵盖解剖生理学、病理学及诊断治疗三个领域。结果显示，Claude 3.5 Sonnet的总体准确率最高（72.5%），其次是ChatGPT-4o（66.0%）和ChatGPT-4（55.5%）。统计分析表明，Claude 3.5 Sonnet和ChatGPT-4o显著优于ChatGPT-4，而两者之间无显著差异。这些发现揭示了这些增强功能的语言模型在医学教育中的潜在价值。
信息来源： PubMed Ophthalmology 发布于 2026年1月1日
要点速览
- Claude 3.5 Sonnet在视网膜和玻璃体认证考试中的准确率最高，达到72.5%
- 研究使用了2018年和2019年的200道选择题，涵盖解剖生理学、病理学及诊断治疗三个领域
- Claude 3.5 Sonnet和ChatGPT-4o显著优于ChatGPT-4，但两者之间无显著差异
本站解读
这项研究不仅展示了大型语言模型在专业医学考试中的应用潜力，还揭示了技术路线变迁对行业竞争格局的影响。Claude 3.5 Sonnet和ChatGPT-4o的优异表现，标志着自然语言处理技术在眼科领域的突破性进展。这种技术进步不仅提升了学习工具的效能，也为未来的医学教育提供了新的方向。
从商业角度来看，这些模型的出色表现可能会引发新一轮的技术竞赛。国内外的研发管线都在加速推进，试图在这一新兴市场中占据一席之地。对于中国眼科行业而言，这意味着需要密切关注国际上的技术动态，并及时调整自身的研发策略。此外，随着这些模型在教育和培训中的广泛应用，传统的眼科教育模式可能会受到挑战，护城河逐渐消融。
未来，我们需要密切留意的是这些模型在实际临床应用中的表现，以及它们如何进一步优化以满足更复杂的需求。这不仅是技术层面的问题，也涉及到伦理和隐私等多方面的考量。总之，这项研究为眼科行业的未来发展提供了重要的参考，同时也提醒我们，技术的进步将不断重塑行业的生态。
常见问题
这些语言模型能帮助我准备视网膜和玻璃体的考试吗？
这些语言模型在视网膜和玻璃体认证考试中表现出色，可以作为有效的学习工具。如有疑虑可咨询眼科医生。
这些模型在哪些方面表现最好？
这些模型在视网膜病理学方面表现最好，但在解剖生理学和诊断治疗方面相对较弱。
延伸阅读
孟加拉国特定人群视网膜OCT数据集及自监督体积恢复技术
该研究构建了一个针对孟加拉国特定人群的视网膜OCT数据集BanglaOCT2025，重点聚焦于黄斑区。通过引入Flip-Flop Swin Transformers，研究人员实现了自监督的体积恢复，显著提升了图像质量和诊断准确性。这一技术路线不仅为发展中国家提供了低成本、高效率的眼科影像解决方案，还为全球眼科医学研究和临床实践开辟了新的方向。
PathFinder AI工具在非视网膜专家中的诊断一致性评估
本研究旨在评估非视网膜专科医生（NRS）使用PathFinder人工智能辅助工具与视网膜专科医生在诊断和转诊决策上的一致性。研究纳入了202名连续接受CIRRUS平台OCT检查的患者，其中PathFinder AI模块被用于辅助诊断。结果显示，在202只眼睛中（平均年龄62.7 ± 12.3岁），PathFinder AI工具在资源有限的情况下具有显著的实时决策支持价值，但在特定疾病尤其是威胁视力的条件下，仍需进一步优化和临床监督。
ChatGPT-4o在眼科患者手册生成中的应用：与AAO材料的比较
本研究旨在对比ChatGPT-4o生成的眼科患者手册与美国眼科学会（AAO）提供的教育材料在英语和西班牙语版本中的可读性和质量。研究选取了10种常见眼部疾病的AAO手册，并要求ChatGPT-4o生成相应内容，确保其阅读难度为8年级水平。结果显示，ChatGPT-4o生成的手册在英语可读性方面与AAO材料相当，但在西班牙语版本中表现更优。具体而言，ChatGPT-4o生成的手册在西班牙语的Szigriszt-Pazos Perspicuity Index (SPPI)评分显著高于AAO材料。此外，ChatGPT-4o生成的手册在内容质量评估中也表现出色，尤其是在西班牙语版本中。总体而言，ChatGPT-4o生成的手册在可读性和内容质量上均达到或超过了AAO材料的标准。