大模型答题能力测试：Claude 3.5 Sonnet在视网膜专科考试中准确率最高
摘要
研究用200道巴西视网膜与玻璃体学会认证考题，测试ChatGPT-4、ChatGPT-4o和Claude 3.5 Sonnet的答题准确率。结果显示Claude 3.5 Sonnet准确率最高（72.5%），ChatGPT-4o为66.0%，ChatGPT-4为55.5%。三者在视网膜病理学领域表现最好，解剖生理学和诊疗领域则相对薄弱。研究认为Claude 3.5 Sonnet和ChatGPT-4o具备辅助备考的潜力。
信息来源： PubMed Ophthalmology 发布于 2026年1月1日
要点速览
- 研究使用200道巴西视网膜与玻璃体学会2018–2019年认证考试多选题评估三个大模型的答题准确率
- Claude 3.5 Sonnet总体准确率为72.5%，显著高于ChatGPT-4（55.5%），ChatGPT-4o为66.0%
- 视网膜病理学是所有模型表现最好的领域，而解剖生理学和诊疗领域分别为Claude 3.5 Sonnet和ChatGPT-4最薄弱环节
本站解读
这项研究发现，Claude 3.5 Sonnet在视网膜专科考试中答对了72.5%的题目，明显高于ChatGPT-4的55.5%，说明新一代大模型在专业医学知识理解上确有实质性进步。但要注意，200道题全部来自巴西考卷，题型单一、无临床场景交互，且由三位专家人工判卷——这种实验室环境离真实临床决策差距很大。目前模型连基础解剖生理题都错得较多，更别说处理患者个体差异、影像判读或手术决策。
短期内它不会改变临床做法：没有证据表明模型能替代医生诊断，也没有任何监管机构批准其用于临床决策支持。它最多算个‘智能错题本’，帮医生复习考点。普通人完全不需要因此改变行为，既不用查模型答案，也不用担心被AI取代；如有疑虑可咨询眼科医生。
常见问题
AI能帮我判断眼睛是不是得了黄斑变性吗？
不能。这项研究只测试了AI回答标准化考试题目的能力，准确率最高也仅72.5%，且未涉及影像识别或个体化诊断。AI目前无法替代医生通过眼底照相、OCT等检查综合判断病情。如有疑虑可咨询眼科医生。
我该用ChatGPT来复习眼科知识吗？
可以作为辅助工具，但需谨慎。研究显示Claude 3.5 Sonnet在视网膜考试中答对72.5%的题目，但它在解剖生理和诊疗类题目上错误较多，且所有模型均未经过中文医学语境训练。建议以权威教材和指南为主，AI仅作补充参考。
延伸阅读
中性集相似度增强的OCT图像视网膜病分类模型
研究者提出一种结合中性集相似度（NSS）与EfficientNetB3的深度学习框架，用于光学相干断层扫描（OCT）图像的视网膜疾病自动分类。该方法先将OCT图像转换至中性集域，用NSS联合CLAHE增强结构信息、抑制噪声与模糊性，再输入EfficientNetB3训练。实验显示，该模型整体准确率达95.25%，精确率、召回率和F1分数均超95%，优于仅用原始OCT图像训练的传统深度学习模型。
多模态AI在视网膜疾病中的临床转化路径
本文为特刊导言，指出当前AI在视网膜图像分类和筛查中进展显著，但临床价值取决于能否支撑患者全程决策。多模态AI可整合眼底照相、OCT、OCTA、超广角成像等影像数据与临床特征、治疗史及纵向变化，以提升风险分层、病情监测和个体化随访能力。研究强调需超越单一技术指标，验证其相较单模态模型和临床基线的增量价值，并在真实世界中评估对视力功能、转诊合理性、治疗时机等终点的影响。
AI 重塑眼科成像：细胞级检测走向临床
美国国立眼科研究所发布研究进展，指出人工智能技术正推动眼部细胞级成像技术向日常临床使用迈进。通过将先进的眼科成像技术交给医疗提供者，能够大幅提升视网膜疾病早期检测能力，并指导治疗以防止视力丧失。该技术旨在利用 AI 增强图像质量，使原本复杂的成像手段更易于在普通医疗机构普及，从而改善患者预后。