Comparison of ChatGPT and Gemini in Providing Postoperative Information After Tonsillectomy: An Expert-Based Assessment
तुर्की में पोस्टऑपरेटिव टॉन्सिललेक्टोमी शिक्षा के लिए ChatGPT और Gemini की तुलना करने वाले एक विशेषज्ञ-आधारित मूल्यांकन में दोनों मॉडलों के बीच समग्र गुणवत्ता या सुरक्षा में कोई सांख्यिकीय रूप से महत्वपूर्ण अंतर नहीं पाया गया, जो एआई-जनरेटेड रोगी जानकारी का उपयोग करने से पहले नैदानिक समीक्षा की आवश्यकता को रेखांकित करता है।
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
हर साल, लाखों लोग टॉन्सिल्लेक्टोमी (tonsillectomy) करवाते हैं, जो गले के पिछले हिस्से से टॉन्सिल निकालने की एक सामान्य सर्जरी है। हालांकि यह प्रक्रिया नियमित है, लेकिन रिकवरी अक्सर कठिन होती है। मरीज काफी दर्द, निगलने में कठिनाई और रक्तस्राव या निर्जलीकरण (dehydration) की निरंतर चिंता के साथ जागते हैं। चूंकि इस रिकवरी का अधिकांश हिस्सा घर पर होता है, इसलिए परिवार स्पष्ट निर्देशों पर निर्भर करते हैं ताकि वे जान सकें कि क्या सामान्य है और कब डॉक्टर की मदद की आवश्यकता है। हाल के वर्षों में, कई लोगों ने इन उत्तरों को तुरंत पाने के लिए आर्टिफिशियल इंटेलिजेंस टूल्स का रुख किया है। ये कंप्यूटर प्रोग्राम, जिन्हें लार्ज लैंग्वेज मॉडल्स (large language models) के रूप में जाना जाता है, बातचीत कर सकते हैं और ऐसा टेक्स्ट बना सकते हैं जो बहुत मानवीय लगता है। वे चिकित्सा शब्दों को समझाने या सलाह देने के लिए चौबीसों घंटे उपलब्ध रहने का वादा करते हैं। हालांकि, क्योंकि ये प्रोग्राम चिकित्सा की गहरी समझ के बजाय डेटा में मौजूद पैटर्न के आधार पर उत्तर उत्पन्न करते हैं, इसलिए यह जोखिम है कि वे भ्रमित करने वाली, पुरानी या यहाँ तक कि खतरनाक सलाह दे सकते हैं। डॉक्टरों और मरीजों के सामने सवाल सरल है: क्या हम इन मशीनों पर भरोसा कर सकते हैं कि वे एक कठिन रिकवरी के दौरान एक परिवार का मार्गदर्शन करेंगी, या क्या उन्हें अपना काम जांचने के लिए एक मानव विशेषज्ञ की आवश्यकता है?
इसका उत्तर देने के लिए, तुर्की में शोधकर्ताओं की एक टीम ने दो सबसे उन्नत आर्टिफिशियल इंटेलिजेंस सिस्टम्स में से एक सावधानीपूर्वक परीक्षण आयोजित किया: ChatGPT और Gemini। उन्होंने कंप्यूटरों से यादृच्छिक प्रश्न नहीं पूछे। इसके बजाय, उन्होंने वास्तविक लोगों से शुरुआत की। शोधकर्ताओं ने चालीस रोगियों से प्रश्न एकत्र किए जिन्होंने हाल ही में अपने टॉन्सिल निकलवाए थे। इन रोगियों ने ठीक वही लिखा जो वे अपनी रिकवरी के बारे में जानना चाहते थे, जिसमें दर्द प्रबंधन, आहार, और आपातकालीन मदद कब लेनी है जैसे विषय शामिल थे। दस विशेषज्ञ डॉक्टरों के एक पैनल ने इन प्रश्नों को तुर्की भाषा में पंद्रह स्पष्ट प्रश्नों में परिष्कृत किया। एक ही दिन में, शोधकर्ताओं ने ChatGPT और Gemini दोनों से इन पंद्रह प्रश्नों के उत्तर देने को कहा। कंप्यूटरों ने अपनी प्रतिक्रियाएं उत्पन्न कीं, और शोधकर्ताओं ने उन्हें बिना एक भी शब्द बदले, ठीक वैसे ही सहेज लिया जैसा वे दिखाई दे रहे थे।
इसके बाद, शोधकर्ताओं ने सोलह अलग-अलग कान, नाक और गले के विशेषज्ञों को न्यायाधीश के रूप में नियुक्त किया। ये डॉक्टर नहीं जानते थे कि किस कंप्यूटर प्रोग्राम ने कौन सा उत्तर लिखा था। उन्होंने केवल दो सेट प्रतिक्रियाएं देखीं, जिन्हें केवल "प्रतिक्रिया A" और "प्रतिक्रिया B" के रूप में लेबल किया गया था। प्रत्येक डॉक्टर ने पंद्रह प्रश्नों के सभी उत्तरों को पढ़ा और चार विशिष्ट चीजों पर रेटिंग दी: जानकारी कितनी वैज्ञानिक रूप से सटीक थी, क्या सलाह एक वास्तविक रोगी के लिए उपयुक्त थी, इसे समझना कितना आसान था, और सबसे महत्वपूर्ण बात यह कि क्या उत्तर सुरक्षित था या इसमें कुछ ऐसा था जो रोगी को नुकसान पहुँचाने के लिए गुमराह कर सकता था। डॉक्टरों ने प्रत्येक श्रेणी के लिए एक से पांच तक का स्कोर दिया, जिसमें पांच सबसे अच्छा रेटिंग था। कुल मिलाकर, टीम ने दोनों प्रणालियों की तुलना करने के लिए लगभग दो हजार व्यक्तिगत रेटिंग एकत्र कीं।
परिणामों से पता चला कि दोनों आर्टिफिशियल इंटेलिजेंस प्रोग्राम कुल मिलाकर काफी अच्छा प्रदर्शन करते हैं। उन्होंने आम तौर पर सटीक और नैदानिक रूप से उपयुक्त जानकारी प्रदान की, जिससे चिकित्सा तथ्यों को सही ढंग से प्रस्तुत करने के लिए उन्हें उच्च अंक मिले। जब शोधकर्ताओं ने कुल स्कोर को देखा, तो ChatGPT को Gemini की तुलना में थोड़ा अधिक औसत रेटिंग मिली, लेकिन अंतर इतना कम था कि यह आसानी से संयोग से भी हो सकता था। वास्तव में, जब विशेषज्ञों ने विशिष्ट श्रेणियों को देखा, तो दोनों प्रोग्राम सही चिकित्सा तथ्य प्रदान करने की अपनी क्षमता में लगभग समान थे। कोई भी सिस्टम दूसरे से स्पष्ट रूप से बेहतर साबित नहीं हुआ जिसे डेटा निश्चितता के साथ पुष्टि कर सके। अध्ययन में इस विशिष्ट कार्य के लिए एक मॉडल के दूसरे से श्रेष्ठ होने का कोई प्रमाण नहीं मिला।
हालांकि, एक सूक्ष्म जांच ने सुरक्षा के बारे में एक अधिक महत्वपूर्ण कहानी का खुलासा किया। दोनों कार्यक्रमों को रोगी सुरक्षा की श्रेणी में सबसे कम अंक मिले। इसका अर्थ यह है कि हालांकि उत्तर अक्सर तथ्यात्मक रूप से सही थे, फिर भी विशेषज्ञों ने संभावित जोखिमों को पहचाना, जैसे कि रक्तस्राव के बारे में चेतावनियों को छोड़ देना या दवा के संबंध में अस्पष्ट सलाह देना। भले ही ChatGPT ने सुरक्षा के मामले में Gemini की तुलना में थोड़ा अधिक स्कोर किया, लेकिन यह अंतर इसे सुरक्षित विकल्प घोषित करने के लिए पर्याप्त महत्वपूर्ण नहीं था। विशेषज्ञों ने यह भी नोट किया कि सुरक्षा को रेट करने के दौरान डॉक्टरों के बीच हमेशा सहमति नहीं थी, जो यह सुझाव देता है कि टेक्स्ट के एक पैराग्राफ में छिपे हुए खतरे को पहचानना पेशेवरों के लिए भी कठिन है। विशेषज्ञों के बीच पूर्ण सहमति की यह कमी दर्शाती है कि सुरक्षा एक जटिल निर्णय है, न कि केवल तथ्यों की एक साधारण जांच।
अध्ययन निष्कर्ष निकालता है कि हालांकि ये आर्टिफिशियल इंटेलिजेंस टूल्स प्रभावशाली हैं और उपयोगी जानकारी उत्पन्न कर सकते हैं, लेकिन वे अभी डॉक्टर की सलाह का स्थान लेने के लिए तैयार नहीं हैं। इस तथ्य के कारण कि दोनों सिस्टम को कम सुरक्षा स्कोर मिले, एक मानव विशेषज्ञ को जानकारी देने से पहले हमेशा समीक्षा करनी चाहिए। शोध यह नहीं दिखाता है कि कौन सा प्रोग्राम स्पष्ट विजेता है, न ही यह साबित करता है कि वे अकेले उपयोग के लिए पूरी तरह से सुरक्षित हैं। इसके बजाय, यह सुझाव देता है कि ये उपकरण 'हेल्पर' के रूप में सबसे अच्छा काम करते हैं जो जानकारी का एक ड्राफ्ट प्रदान करते हैं, जिसे एक चिकित्सा पेशेवर फिर जांचता और सुधारता है। जब तक तकनीक में सुधार उस स्तर तक नहीं हो जाता जहाँ वह मानव सहायता के बिना सभी संभावित जोखिमों को लगातार पहचान सके और उनसे बच सके, तब तक मरीजों के लिए सबसे सुरक्षित रास्ता अपने डॉक्टर के साथ बातचीत करना ही है।
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।