Performance of Five Mainstream Large Language Models on Common Small Cell Lung Cancer Questions: Readability, Patient- Education Suitability, and Information Quality

想象一位刚刚被诊断出患有严重疾病的患者，正坐在一个安静的房间里，试图理解自己的身体发生了什么。他们转向互联网，希望能找到关于其病情、可用治疗方案以及未来走向的清晰答案。近年来，许多人开始向人工智能系统提出这些问题，希望获得即时且具有人类感的解释。这些被称为大语言模型的系统通过海量文本进行训练，能够针对几乎任何问题生成流畅且连贯的回答。然而，流畅并不保证清晰或准确。对于面临复杂疾病的患者而言，一份有益的解释与一堆令人困惑的医学术语之间的区别，可能意味着是感到获得力量，还是感到迷失方向。对于小细胞肺癌而言尤其如此，这是一种生长迅速且具有侵略性的癌症类型，其治疗方案变化极快，患者所需的信息也极其密集且专业。

来自中国大连医院的一组研究人员着手测试了五种最流行的人工智能系统在向外行解释这种特定疾病方面的表现。他们不仅询问答案是否正确，还询问这些答案对于试图了解自身健康的患者是否真的有用。研究人员设计了二十个标准问题，涵盖了患者可能最关心的常见问题：疾病的诱因、需要注意的症状、医生如何进行诊断、标准治疗方案是什么，以及如何在治疗后进行生活管理。随后，他们将这二十个相同的问题输入到五种不同的 AI 模型中：DeepSeek、豆包（Doubao）、GPT-5、通义千问（Tongyi Qianwen）和文心一言（Wenxin Yiyan）。这生成了一百个独特的回答，研究人员随后使用旨在衡量两项指标的工具对这些回答进行了分析：一是文本的可读性，二是其结构在帮助患者理解并采取行动方面的有效性。

结果显示，在患者教育方面，并非所有人工智能的表现都是同等的。其中一个模型，GPT-5，生成的回答在专家评分中始终保持最高质量。这些回答组织良好，涵盖了必要的信息，并被认为最适合用于患者教育。相比之下，另一个模型文心一言生成的文本虽然更容易阅读，使用了更简单的句子结构和较少的复杂词汇，但其回答在整体质量和实用性方面的评分较低。这一发现凸显了一个关键的脱节：编写出最易读文本的系统并不一定编写出最有用的文本，而编写出最佳信息的系统也不一定总能写出最易读的文本。

研究人员还发现，问题的课题本身与所使用的 AI 模型同样重要。关于症状和体征的问题通常使用更容易理解的语言来回答，这可能是因为这些话题依赖于描述感受和可见的变化。然而，关于标准化治疗、分期和随访护理的问题，无论使用哪种 AI，其回答始终呈现出更为复杂的语言。这表明，主题本身的难度迫使 AI 使用更多的技术术语和更长的句子，使得简化这些特定医疗阶段的过程变得更加困难。

该研究最重要的启示是，可读性与质量并不等同。研究人员发现，文本的易读程度与其中包含的信息质量之间仅存在微弱的联系。一个回答可能非常易于阅读，但仍可能遗漏关键细节或无法指导患者下一步该怎么做。反之，一个回答可能充满了高质量、准确的信息，但其表达方式却让非专业人士难以消化。这意味着，仅仅选择那个能写出“最简单”句子的 AI，并不能确保患者获得最好的护理。

研究结论指出，虽然这些人工智能工具在帮助患者了解自身健康方面展现出了潜力，但目前还不能完全信任它们独立工作。最好的方法是将这些系统作为起点，但随后由医疗专业人员对输出内容进行审核。AI 可以生成草案，但必须由人类医生或护士来检查信息的准确性、建议的安全性，以及语言是否真正适合特定的患者。在小细胞肺癌这个生死攸关的世界里，治疗决策既复杂又具有时效性，人类的角色仍然是连接原始数据与救命理解之间的核心过滤器。