A S.C.O.R.E. framework for evaluating open-ended responses from large language models in healthcare

一致性(知识库) 计算机科学 文档 可靠性(半导体) 医疗保健 领域(数学分析) 机器学习 主题专家 数据科学 质量(理念) 内部一致性 数据挖掘 结果(博弈论) 人工智能 度量(数据仓库) 专家系统 病人护理 卫生专业人员 顺从(心理学) 钥匙(锁) 风险分析(工程) 领域知识 客观结构化临床检查 管理科学 关系(数据库)
作者
Ting Fang Tan,Kabilan Elangovan,JASMINE ONG,Yuhe Ke,Aaron Lee,Nigam Haresh Shah,Joseph Sung,Tien Yin Wong,Lan Xue,Nan Liu,Haibo Wang,Chang Fu Kuo,Simon Arthur Chesterman,Zee Kin Yeong,Daniel Shu Wei Ting
出处
期刊:Cell reports medicine [Elsevier BV]
卷期号:7 (7): 102883-102883 被引量:4
标识
DOI:10.1016/j.xcrm.2026.102883
摘要

Domain-specific evaluation is essential for clinical validation. We propose S.C.O.R.E. (Safety, Consensus & Context, Objectivity, Reproducibility, Explainability), a five-dimensional framework for structured expert evaluation of LLM-generated healthcare responses. S.C.O.R.E. has been validated against quantitative metrics (BLEU, ROUGE, and BERTScore) using three LLMs (GPT-4o, Claude 4 Sonnet, and DeepSeek) across ophthalmology, medication, and anesthesia. While quantitative metrics frequently misclassified clinically appropriate responses as inaccurate, S.C.O.R.E. demonstrated acceptable internal consistency (Cronbach's α 0.745) in the hyperparameter-optimized domain and detected large effect sizes (Cliff's δ 0.68-0.92) reflecting optimization status. Model rankings reversed across specialties-GPT-4o excelled in ophthalmology (optimized domain), while others in non-optimized domains-thus domain-specific tuning is both necessary and detectable through expert evaluation. S.C.O.R.E.'s correlation between framework reliability and optimization status validates its utility for iterative model refinement. This structured approach enables practical clinical validation, providing actionable feedback for developers and supporting regulatory compliance through standardized documentation of safety, evidence alignment, and explainability.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
nayuta完成签到 ,获得积分10
刚刚
Owen的应助被Jaaay采纳,获得10
1秒前
yyf发布了新的文献求助10
1秒前
guyuming发布了新的文献求助10
1秒前
万能图书馆的应助被小jia很ok采纳,获得10
1秒前
半棵橘子发布了新的文献求助30
1秒前
elo关闭了elo的文献求助
1秒前
桐桐的应助被dendrimer采纳,获得10
1秒前
叶修完成签到,获得积分10
2秒前
小马甲的应助被呜呼啦呼采纳,获得10
2秒前
2秒前
2秒前
33发布了新的文献求助10
3秒前
张三完成签到,获得积分10
3秒前
4秒前
5秒前
聪明火车完成签到,获得积分10
5秒前
上官若男的应助被smile~采纳,获得10
5秒前
泡泡努力搞科研完成签到,获得积分20
5秒前
通行证发布了新的文献求助10
5秒前
6秒前
7秒前
yyyyy发布了新的文献求助30
7秒前
adasda发布了新的文献求助10
8秒前
bkagyin的应助被柚子采纳,获得10
8秒前
桐桐的应助被fiffy采纳,获得10
8秒前
8秒前
8秒前
9秒前
aaaa的应助被疯狂鱼博士采纳,获得30
9秒前
小马甲的应助被懒洋洋采纳,获得10
9秒前
10秒前
10秒前
小二郎的应助被Donk科研版采纳,获得10
11秒前
谭代涛发布了新的文献求助10
11秒前
11秒前
11秒前
鼠来宝完成签到,获得积分10
11秒前
yff发布了新的文献求助10
12秒前
12秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
Encyclopedia of Modern Artificial Intelligence 1000
Особенности технологий и методов информационно-психологических войн СССР с Великобританией и США в период 1939-1953 гг 1000
Das Matthäusevangelium: Kapitel 1:1–17 1000
IRTSD: Open-Source Data and Toolset for Electromagnetic Transient Analysis of Disturbances and IBR Control Malfunctions in Transmission Systems 1000
Entre Praga y Madrid : los contactos checoslovaco-españoles (1948-1977) 600
A REVIEW OF THE V-22 DYNAMICS VALIDATION PROGRAM 600
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8128907
求助须知:如何正确求助?哪些是违规求助? 9531293
关于积分的说明 21589868
捐赠科研通 7709744
什么是DOI,文献DOI怎么找? 3417462
关于科研通互助平台的介绍 2543015
邀请新用户注册赠送积分活动 2458721