GPT-4o and DeepSeek-V3 responses to common migraine questions: a cross-sectional comparative study of accuracy, completeness, empathy, readability and safety
इस क्रॉस-सेक्शनल तुलनात्मक अध्ययन में यह पाया गया कि जहाँ GPT-4o और DeepSeek-V3 दोनों ने माइग्रेन पर आम तौर पर सटीक और सुरक्षित जानकारी प्रदान की, वहीं DeepSeek-V3 ने पूर्णता और पठनीयता में काफी उच्च स्कोर प्रदर्शित किया, हालांकि न तो कोई मॉडल सहानुभूति या सुरक्षा के मामले में समान रूप से श्रेष्ठ था।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
लाखों लोग माइग्रेन के साथ जी रहे हैं, एक ऐसी स्थिति जो केवल एक साधारण सिरदर्द से कहीं अधिक है और जो महत्वपूर्ण विकलांगता का कारण बनती है तथा दैनिक जीवन को बाधित करती है। चूंकि माइग्रेन के लक्षण कभी-कभी स्ट्रोक या अन्य गंभीर मस्तिष्क स्थितियों जैसे दिख सकते हैं, इसलिए मरीज अक्सर जवाबों के लिए इंटरनेट की ओर मुड़ते हैं। हाल के वर्षों में, 'लार्ज लैंग्वेज मॉडल' के रूप में ज्ञात एक नए प्रकार का कंप्यूटर प्रोग्राम सूचना का एक लोकप्रिय स्रोत बन गया है। ये प्रणालियाँ विशाल मात्रा में टेक्स्ट पढ़ सकती हैं और लगभग किसी भी प्रश्न के लिए मानवीय उत्तर उत्पन्न कर सकती हैं, जो निदान, ट्रिगर्स (उत्प्रेरक) और उपचारों के बारे में तत्काल स्पष्टीकरण प्रदान करती हैं। हालाँकि, क्योंकि ये प्रोग्राम डॉक्टर नहीं हैं, इसलिए यह वास्तविक चिंता है कि वे अधूरा परामर्श दे सकते हैं, खतरनाक चेतावनी संकेतों को मिस कर सकते हैं, या तब आश्वासन दे सकते हैं जब किसी व्यक्ति को वास्तव में तत्काल चिकित्सा देखभाल की आवश्यकता होती है।
यह समझने के लिए कि ये डिजिटल उपकरण उच्च-जोखिम वाले चिकित्सा परिवेश में कैसा प्रदर्शन करते हैं, शोधकर्ताओं ने उपलब्ध दो सबसे उन्नत प्रणालियों के बीच एक सीधा तुलनात्मक अध्ययन किया: GPT-4o और DeepSeek-V3। अध्ययन विशेष रूप से माइग्रेन के बारे में लोगों द्वारा पूछे जाने वाले सामान्य प्रश्नों पर केंद्रित था। शोधकर्ताओं ने वास्तविक दुनिया के स्रोतों, जिसमें ऑनलाइन खोज रुझान और सार्वजनिक मंच जहाँ मरीज अपने अनुभव साझा करते हैं, से सौ विशिष्ट प्रश्न एकत्र किए। इन प्रश्नों ने चेतावनी लक्षणों की प्रकृति और जीवनशैली के ट्रिगर्स से लेकर दवा की सुरक्षा और दीर्घकालिक परिणामों तक, विषयों की एक विस्तृत श्रृंखला को कवर किया। मूल्यांकन को निष्पक्ष और पूर्वाग्रह मुक्त सुनिश्चित करने के लिए, दो न्यूरोलॉजिस्टों ने प्रत्येक मॉडल द्वारा उत्पन्न उत्तरों की समीक्षा की, बिना यह जाने कि किस कंप्यूटर प्रोग्राम ने उन्हें तैयार किया था। उन्होंने उत्तरों को इस आधार पर रेट किया कि चिकित्सा तथ्य कितने सटीक थे, जानकारी कितनी पूर्ण थी, लहजा कितना सहानुभूतिपूर्ण और सहायक था, और सबसे महत्वपूर्ण बात यह कि क्या दी गई सलाह मरीज के लिए सुरक्षित थी।
परिणामों से पता चला कि दोनों कंप्यूटर प्रोग्राम आम तौर पर सटीक और सुरक्षित जानकारी प्रदान करते हैं, और गंभीर चेतावनी संकेतों के उल्लेख होने पर पेशेवर चिकित्सा सहायता की आवश्यकता को सफलतापूर्वक पहचान लेते हैं। हालाँकि, एक प्रणाली, DeepSeek-V3, विशिष्ट क्षेत्रों में दूसरी प्रणाली से लगातार बेहतर प्रदर्शन करती रही। इसने अधिक पूर्ण उत्तर प्रदान किए, यह सुनिश्चित करते हुए कि मरीजों को न केवल बुनियादी तथ्य मिले बल्कि विकल्पों और अनिश्चितताओं के बारे में आवश्यक संदर्भ भी मिले। इसके अलावा, DeepSeek-V3 द्वारा उत्पन्न टेक्स्ट पढ़ने और समझने में काफी आसान था, जो सरल वाक्य संरचनाओं और स्पष्ट भाषा का उपयोग करता था। जबकि दोनों मॉडलों ने अपने लहजे में समान स्तर की सहानुभूति दिखाई, और दोनों ही इतने सुरक्षित थे कि उन्हें उपयोगी उपकरण माना जा सके, लेकिन पूर्णता और पठनीयता में अंतर स्पष्ट और सांख्यिकीय रूप से महत्वपूर्ण था।
बीस-पाँच प्रश्नों वाले एक विशिष्ट परीक्षण में, जिसमें अचानक होने वाले "सबसे खराब सिरदर्द" या नई न्यूरोलॉजिकल समस्याओं जैसे खतरनाक "रेड फ्लैग" लक्षणों का वर्णन किया गया था, दोनों मॉडलों ने तत्काल देखभाल की आवश्यकता को सही ढंग से पहचानकर अच्छा प्रदर्शन किया। फिर भी, इन महत्वपूर्ण परिदृश्यों में भी, जिस प्रणाली ने स्पष्ट और अधिक पठनीय टेक्स्ट तैयार किया, उसने अपना लाभ बनाए रखा। शोधकर्ताओं ने निष्कर्ष निकाला कि हालांकि ये कृत्रिम बुद्धिमत्ता (AI) उपकरण रोगी शिक्षा के लिए शक्तिशाली सहयोगी बनते जा रहे हैं, लेकिन उन्हें कभी भी डॉक्टर के मूल्यांकन का स्थान नहीं लेना चाहिए। इसके बजाय, वे लोगों को सामान्य अवधारणाओं को समझने और यह पहचानने में मदद करने के लिए सबसे अच्छे हैं कि उन्हें कब पेशेवर मदद लेनी चाहिए, बशर्ते उनके उत्तरों की सावधानीपूर्वक समीक्षा की जाए। यह अध्ययन रेखांकित करता है कि जैसे-जैसे ये तकनीकें विकसित हो रही हैं, जटिल चिकित्सा विचारों को सरल और पूर्ण रूप से संप्रेषित करने की उनकी क्षमता उतनी ही महत्वपूर्ण है जितनी कि तथ्यों की सटीकता।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।