Cette étude relue par les pairs dans Mayo Clinic Proceedings: Digital Health a comparé Arkangel AI, OpenEvidence, ChatGPT et Medisearch sur quatre vignettes cliniques et quatre types de questions. Le protocole a produit 128 paires question/réponse et 1024 évaluations expertes avec une échelle de Likert à huit critères.
La satisfaction globale allait de 71.1 % à 93 % selon les agents (Kruskal-Wallis P<.001). L’authenticité des références a atteint 100 % de satisfaction pour Arkangel AI-Deep, ChatGPT-Deep et OpenEvidence. Les modes ChatGPT ont été jugés insatisfaisants dans 75–97 % des paires d’évaluateurs, et les temps médians de réponse allaient de 18 secondes à 12.8 minutes (Wilcoxon P<.05).




