ICD11_Test_01_Zystitis im LLM-Testsuite-Report
Testfallbeschreibung
Test zur Erkennung einer akuten Zystitis anhand typischer Symptome.
| Quelldatei | ICD11_Test_01_Zystitis.txt |
|---|---|
| Serie | 2 |
| Kategorien | icd11, classification, clinical |
| Bewertung | LLM-Judge |
| Prompt SHA-256 | 2dcfd74bb695c2e0cf34491c9642df35024092bb7afa759807afb29d0ad917d6 |
Erwartetes Ergebnis
GA90.0
| Erwartung im Katalog | ja |
|---|---|
| Korrektes Ergebnis im Katalog | ja |
Judge-Anweisung
Vergleiche die getrimmte Antwort exakt mit dem fachlich vorgegebenen Referenzcode GA90.0. Nimm keine eigene medizinische Neuklassifikation vor und akzeptiere weder Diagnosebezeichnung noch Begründung oder zusätzliche Codes.
Muss erfüllt sein
- Die getrimmte Ausgabe lautet exakt GA90.0.
- Die Antwort enthält nur einen einzelnen ICD-11-Code und keine weiteren sichtbaren Zeichen.
- Groß- und Kleinschreibung, Punkt und Ziffern entsprechen exakt dem Referenzwert.
Fehlerkriterien
- Die Ausgabe enthält einen anderen Code, mehrere Codes oder eine unvollständige Variante von GA90.0.
- Die Antwort enthält die Diagnosebezeichnung, eine Erklärung, Unsicherheitsangaben, Satzzeichen außerhalb des Codes oder sonstige Prosa.
- Der Code steht in Markdown-Codezäunen, Anführungszeichen, Listenformat oder anderem Markup.
Judge-Hinweis: Der manuell hinterlegte ICD-11-MMS-Referenzwert ist für diesen Test maßgeblich. Ignoriere nur führenden und nachgestellten Leerraum; inhaltlich plausible Alternativcodes dürfen nicht akzeptiert werden.
Hinweis: ICD-11 MMS Referenzwert laut fachlicher Vorgabe.
Prompt
Text Der Patient berichtet seit drei Tagen über starken Brennschmerz beim Wasserlassen. Häufiger Harndrang, geringe Urinmengen, keine Flankenschmerzen, keine Rückenschmerzen. Urinprobe zeigt deutliche Leukozyturie. Aufgabe Gib ausschließlich den passenden ICD-11 Code zurück. Nichts weiter. Keine Begründung. Keine Einheiten. Beispiel Bei „akuter grippaler Infekt“ wäre die Antwort zB 1E30.1
Hilfe zu Bewertung, Score und exakter Korrektheit
Score ist eine abgestufte Gütebewertung: correct = 100 %, mostly_correct = 80 %, partial = 50 %, wrong/not_answered = 0 %.
Exakt korrekt ist strenger: Nur Runs mit dem Label correct zählen. Mostly correct erhöht den Score, zählt aber nicht als exakt korrekt.
Bewertet zählt alle Runs mit fachlichem Urteil. Bei LLM-Judge-Ergebnissen zählen auch Judge-Fehler als bewertet, aber mit Score 0 %.