केस रिपोर्ट के आधार पर न्यूरो-ऑफ्थल्मोलॉजी रोगों के निदान में चैटजीपीटी की सहायता

भूमिका: केस रिपोर्ट के आधार पर न्यूरो-ऑफ्थल्मिक रोगों का निदान करने में सहायता के लिए चैट जनरेटिव प्री-ट्रेंड ट्रांसफार्मर (चैटजीपीटी), एक बड़े भाषा मॉडल (एलएलएम), की सटीकता का मूल्यांकन करना। विधियाँ: हमने एक सार्वजनिक रूप से उपलब्ध ऑनलाइन डेटाबेस से न्यूरो-ऑफ्थल्मिक विकारों की 22 विभिन्न केस रिपोर्ट का चयन किया। इन मामलों में वे विभिन्न पुरानी और तीव्र बीमारियाँ शामिल थीं जिन्हें सामान्यत: न्यूरो-ऑफ्थल्मोलॉजिस्ट द्वारा देखा जाता है। हमने प्रत्येक केस को चैटजीपीटी (जीपीटी-3.5 और जीपीटी-4) में एक नए प्रॉम्प्ट के रूप में डाला और सबसे संभावित निदान के लिए पूछा। फिर हमने दो न्यूरो-ऑफ्थल्मोलॉजिस्ट को ठीक उसी जानकारी प्रस्तुत की और उनके निदान रिकॉर्ड किए, उसके बाद दोनों संस्करणों के चैटजीपीटी की प्रतिक्रियाओं की तुलना की। परिणाम: जीपीटी-3.5 और जीपीटी-4 और 2 न्यूरो-ऑफ्थल्मोलॉजिस्ट 22 मामलों में से क्रमश: 13 (59%), 18 (82%), 19 (86%), और 19 (86%) में सही थे। विभिन्न निदान स्रोतों के बीच सहमति इस प्रकार थी: जीपीटी-3.5 और जीपीटी-4, 13 (59%); जीपीटी-3.5 और पहले न्यूरो-ऑफ्थल्मोलॉजिस्ट, 12 (55%); जीपीटी-3.5 और दूसरे न्यूरो-ऑफ्थल्मोलॉजिस्ट, 12 (55%); जीपीटी-4 और पहले न्यूरो-ऑफ्थल्मोलॉजिस्ट, 17 (77%); जीपीटी-4 और दूसरे न्यूरो-ऑफ्थल्मोलॉजिस्ट, 16 (73%); और पहले और दूसरे न्यूरो-ऑफ्थल्मोलॉजिस्ट 17 (77%)। निष्कर्ष: न्यूरो-ऑफ्थल्मिक विकारों के निदान में जीपीटी-3.5 और जीपीटी-4 की सटीकता क्रमश: 59% और 82% थी। आगे विकास के साथ, जीपीटी-4 का संभावित उपयोग नैदानिक देखभाल सेटिंग्स में चिकित्सकों को सटीक निदान प्रदान करने में सहायता करने के लिए किया जा सकता है। जिन नैदानिक सेटिंग्स में उपविशेषज्ञ प्रशिक्षित न्यूरो-ऑफ्थल्मोलॉजिस्ट तक पहुंच नहीं है, वहां चैटजीपीटी जैसे एलएलएम के उपयोग की प्रासंगिकता को और शोध की आवश्यकता है।