Este estudo revisado por pares no Mayo Clinic Proceedings: Digital Health comparou Arkangel AI, OpenEvidence, ChatGPT e Medisearch em quatro vinhetas clínicas e quatro tipos de pergunta. O desenho gerou 128 pares pergunta/resposta e 1024 avaliações de especialistas com escala Likert de oito critérios.
A satisfação geral variou de 71.1% a 93% entre agentes (Kruskal-Wallis P<.001). A autenticidade das referências atingiu 100% de satisfação para Arkangel AI-Deep, ChatGPT-Deep e OpenEvidence. Modos do ChatGPT foram classificados como insatisfatórios em 75–97% dos pares avaliadores, e os tempos medianos de resposta variaram de 18 segundos a 12.8 minutos (Wilcoxon P<.05).




