GPT-4o respondió correctamente el 83,69% de un examen nacional de anestesiología, pero rindió peor en aplicación y análisis, y las afirmaciones médicas sin respaldo fueron su error más frecuente

Fecha del hecho / publicación

Categoría de la evidencia

Tareas sobre las que incide

Dónde aplica esto

Un estudio que ejecutó GPT-4o 30 veces sobre el examen de certificación en anestesiología de Chile, de 183 preguntas. La precisión global fue del 83,69%, más alta en comprensión y memoria y más baja en aplicación (76,83%) y análisis (76,54%). Entre las respuestas incorrectas, las afirmaciones médicas sin respaldo fueron el error más frecuente. Los autores dicen que sus límites en el razonamiento de orden superior y el juicio diagnóstico exigen más salvaguardas antes de un uso clínico.

Qué significa esto

Qué no muestra todavía

Un examen, no pacientes; acertar preguntas no es seguridad en el quirófano.

Qué puedes comprobar

¿Cambia la evaluación?

Fuente