7款国产GenAI大模型对小儿泌尿生殖系统3种常见疾病应答结果的对比分析

摘要

目的 比较7款国产生成式人工智能(GenAI)模型(DeepSeek、文心一言、通义、豆包、Kimi、Hunyuan、讯飞星火)对小儿泌尿生殖系统常见疾病的应答表现，并探讨其应用价值。方法 围绕“尿道下裂、肾积水和隐睾”设置80个覆盖疾病基本信息、诊断、治疗及预后的问题作为提示词。在“快思考”、“深度思考”及“深度思考+联网”三种模式下对7种GenAI模型进行测试，并由2名副高职称小儿泌尿外科医生对结果进行盲评。根据应答结果的准确性、完整性及相关性将其评为A、B、C、D四个级别。统计比较各模型的不同模式下A级、A+B级结果占比及差异。结果 DeepSeek的“深度思考”模式表现最优，其A级应答占比0.88,A+B级应答占比高达0.96。DeepSeek(深度思考+联网)、豆包(快思考)、Hunyuan(深度思考)、豆包(深度思考+联网)紧随其后也呈现了优秀的应答能力。排名前5的模型/模式之间A级应答差异明显(P<0.05),A+B级应答差异无统计学意义(P>0.05)。结论 以DeepSeek(深度思考)为代表的部分国产GenAI大模型展现出巨大的应用前景，但仍不能100%给出推荐级以上建议(A+B),在临床应用中，无论是医生还是患者，都应仅将GenAI视为一种辅助教育和信息获取工具，而非最终的决策依据，所有信息均需经过专业医生的审核与确认。

关键词

人工智能 / 国产GenAI大模型 / 尿道下裂 / 肾积水 / 隐睾 / 医学问题应答