EUVIMEDEUVIMED entdecken
Crossref

Können ChatGPT-Antworten durch Einbindung von S3-Leitlinien optimiert werden?

Jannik Johannsen iD, Sofia Kourou iD, Malte Suchan, Christopher Kopp, Kariem Scharaf, Shachi Jenny Sharma, Hans Eckel, Julia van de Loo, Charlotte Klasen, Kevin Hansen, Marcel Mayer, Louis Jansen iD und 4 weitere

Laryngo-Rhino-Otologie · 2026-11 · 105 (11) · 704-710

DOI: 10.1055/a-2931-6385 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Laryngo-Rhino-Otologie, online erschienen am 08.09.2026. Verfasst von Jannik Johannsen und 15 weiteren Autor:innen. Beteiligte Einrichtung: Uniklinik Köln, Uniklinik Köln, Klinik und Poliklinik für Hals-Nasen-Ohrenheilkunde, Kopf- und Hals-Chirurgie, Germany, Köln. Hauptthemen laut MEDLINE: Large Language Models, Practice Guidelines as Topic, Clinical Decision-Making, Otolaryngology. Die Arbeit nennt 13 Literaturangaben.

AbstractSchlagwörterBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Large Language Models wie ChatGPT werden zunehmend als Unterstützung in der medizinischen Entscheidungsfindung diskutiert. Ziel dieser Studie war es zu untersuchen, ob sich die Qualität der von ChatGPT (GPT-4) generierten Antworten auf leitlinienbasierte HNO-Fragestellungen verbessert, wenn die zugrunde liegende evidenzbasierte S3-Leitlinie gemeinsam mit der jeweiligen Frage als PDF bereitgestellt wird. Es wurden 30 leitlinienbasierte Fragen aus 5 aktuellen S3-Leitlinien erstellt. ChatGPT beantwortete jede Frage in 2 Durchläufen: einmal ohne und einmal mit Bereitstellung der jeweiligen Leitlinie als PDF zusammen mit der Frage. Drei HNO-Fachärzte bewerteten die Antworten anonymisiert hinsichtlich inhaltlicher Richtigkeit und Länge/Prägnanz (Skala 1–3). Die gemeinsame Bereitstellung der Leitlinie als PDF mit der jeweiligen Frage führte zu einer signifikanten Verbesserung der Richtigkeit (1,77 vs. 1,26; p=0,003) und der Prägnanz (1,96 vs. 1,50; p=0,004). Es bestand eine signifikante Korrelation zwischen Richtigkeit und Prägnanz (p

Schlagwörter

MeSH-Schlagwörter (MEDLINE)

Large Language ModelsPractice Guidelines as TopicClinical Decision-MakingOtolaryngologyHumansEvidence-Based MedicineReproducibility of ResultsGenerative Artificial Intelligence

Autor:innen und Institutionen

  • Uniklinik Köln, Uniklinik Köln, Klinik und Poliklinik für Hals-Nasen-Ohrenheilkunde, Kopf- und Hals-Chirurgie, Germany, Köln.

ORCID-Profile: Jannik Johannsen, Sofia Kourou, Louis Jansen

Zitieren

APA

Johannsen, J., Kourou, S., Suchan, M., Kopp, C., Scharaf, K., Sharma, S. J., Eckel, H., van de Loo, J., Klasen, C., Hansen, K., Mayer, M., Jansen, L., Reisewitz, A., Nobis, A., Klußmann, J. P., & Charpentier, A. (2026). Können ChatGPT-Antworten durch Einbindung von S3-Leitlinien optimiert werden?. Laryngo-Rhino-Otologie, 105(11), 704-710. https://doi.org/10.1055/a-2931-6385

Vancouver

Johannsen J, Kourou S, Suchan M, Kopp C, Scharaf K, Sharma SJ, et al. Können ChatGPT-Antworten durch Einbindung von S3-Leitlinien optimiert werden?. Laryngo-Rhino-Otologie. 2026;105(11):704-710. doi:10.1055/a-2931-6385

BibTeX
@article{Johannsen2026,
  author = {Johannsen, Jannik and Kourou, Sofia and Suchan, Malte and Kopp, Christopher and Scharaf, Kariem and Sharma, Shachi Jenny and Eckel, Hans and van de Loo, Julia and Klasen, Charlotte and Hansen, Kevin and Mayer, Marcel and Jansen, Louis and Reisewitz, Alissa and Nobis, Anne and Klußmann, Jens Peter and Charpentier, Arthur},
  title = {Können ChatGPT-Antworten durch Einbindung von S3-Leitlinien optimiert werden?},
  journal = {Laryngo-Rhino-Otologie},
  year = {2026},
  volume = {105},
  number = {11},
  pages = {704--710},
  doi = {10.1055/a-2931-6385}
}
Kostenlos starten →