大语言模型生成心力衰竭患者自我管理教育内容的质量比较:专业评价与患者感知的双视角横断面研究
《BMC Health Services Research》:Comparative analysis of five large language models for generating heart failure patient education content: dual perspectives from professionals and patients
【字体:
大
中
小
】
时间:2026年10月23日
来源:BMC Health Services Research 3.3
编辑推荐:
**摘要**
**背景**
心力衰竭(HF)患者的自我管理对于改善预后至关重要,但依从性仍不理想,尤其在老年人群和健康素养有限的个体中更为突出。大语言模型(LLMs)虽能规模化生成患者教育内容,但关于其准确性以及与心衰患者需求匹配程度的证据仍然有限。
**目的**
从
**摘要****背景**心力衰竭(HF)患者的自我管理对于改善预后至关重要,但依从性仍不理想,尤其在老年人群和健康素养有限的个体中更为突出。大语言模型(LLMs)虽能规模化生成患者教育内容,但关于其准确性以及与心衰患者需求匹配程度的证据仍然有限。**目的**从专业视角与患者感知两个维度,比较五种广泛使用的大语言模型(DeepSeek、豆包、Grok、Gemini 和 ChatGPT)针对心衰患者自我管理问题所生成回复的质量,并量化两个视角之间的差异。**设计**横断面研究。**方法**编制一套包含45个条目的结构化心衰患者自我管理题库,涵盖六个领域,题型与难度各异,并提交给五种大语言模型。四名医疗专业人员独立评估回复质量,评估维度包括准确性、完整性、安全性和可操作性(采用1–5 Likert 量表,设安全一票否决权)。15名心衰患者从易懂性、实用性、满意度和可信度四个方面评价回复。采用广义估计方程(GEE)、组内相关系数(ICC)及线性混合效应模型比较各模型表现,并评估不同评价者和模型间的变异性。**结果**DeepSeek 获得最高专业评分(19.49/20),显著高于其他模型(GEE β = ?1.79 至 ?1.06,均 *P* < 0.001)。相比之下,患者评分最高的是豆包(16.93),其次是 DeepSeek(16.33),这一倾向在老年和低学历亚组中尤为明显。专业与患者评分之间的差异在不同模型间显著不同,范围从1.50(豆包)至5.02(ChatGPT)。值得注意的是,涉及饮食钠限制的回复在各模型中均存在一致的安全性顾虑,但患者对此类条目的评价始终较为正面。在所有模型中,饮食与钠限制始终是表现最弱的领域。**结论**专业评价与患者评价对大语言模型生成的心衰患者自我管理教育内容存在显著分歧。DeepSeek 在临床上排名第一,但患者更倾向于豆包,因其可读性和可信度更高,这凸显了在医疗人工智能中平衡临床准确性与以患者为中心设计的重要性。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号