CareLit Fachartikel

Leistung künstlicher Intelligenz in medizinischen Staatsexamina

Geissler, M.E.; Goeben, M.; Glasmacher, K.A.; Bereuter, J.; Geissler, R.B.; Wiest, I.C.; Kolbinger, F.R.; Kather, J.N. · Deutsches Ärzteblatt · 2024 · Heft 26 · S. 1 bis 1

Dokument
353791
CareLit-ID
Jahr
2024
Publikation
PDF
nein
Metadaten
DOI
–
zitierfähig

Bibliografische Angaben

Zeitschrift
Deutsches Ärzteblatt
Autor:innen
Geissler, M.E.; Goeben, M.; Glasmacher, K.A.; Bereuter, J.; Geissler, R.B.; Wiest, I.C.; Kolbinger, F.R.; Kather, J.N.
Ausgabe
Heft 26 / 2024
Jahrgang 56
Seiten
1 bis 1
Erschienen: 2025-06-05 00:00:00
ISSN
0172-2107
DOI
–

Zusammenfassung

Die Entwicklung großer Sprachmodelle (LLM, Large Language Model) zum Einsatz in der klinischen Medizin macht bedeutende Fortschritte. LLMs sind inzwischen in der Lage, wichtige medizinische Prüfungen wie das United States Medical Licensing Examination (USMLE) und Teile der deutschen ärztlichen Prüfungen (1. und 2. Staatsexamen) zu bestehen (1, 2). Während die Argumentationsfähigkeit von LLMs im medizinischen Kontext vielversprechend erscheint, kann sich ihr Potenzial in der Medizin nur bei erfolgreichem Transfer in die praktische Anwendung vollständig entfalten. Ein möglicher Anwendungsbereich in der Medizin ist…

Schlagworte

künstliche Intelligenz medizinische Ausbildung Sprachmodelle Staatsexamen USMLE LLM Testergebnisse klinische Medizin ärztliche Prüfungen Artificial Intelligence Medical Education Language Models Medical Examinations Clinical Medicine Examination Results Deutsches Ärzteblatt