Safety, Accuracy, Empathy, Information Quality, and Readability of Large Language Models in Answering Caregiver Questions About Pediatric Burn First Aid and Inpatient Care: A Cross-Sectional Comparative Study
这项横断面比较研究评估了四种大语言模型在儿科烧伤护理方面的安全性、准确性、共情能力、信息质量和可读性，结果发现，尽管它们通常能提供安全且准确的回答，但在共情能力、来源透明度和可读性方面存在显著差异，这使得针对有效的照护者指导仍需进行改进。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
当年幼的孩子遭受烫伤时，最初的几分钟至关重要。父母或照顾者在那个恐慌时刻的反应，可以决定伤口的深度、孩子感受到的疼痛程度以及皮肤后期愈合的效果。标准的医学建议非常明确：停止灼烧过程，用流动的自来水冷却伤口，松散地覆盖伤口，并针对严重伤情寻求专业帮助。然而，在紧要关头，焦虑的家人可能会转向数字助手寻求即时指导。这些被称为大语言模型的生成式人工智能工具已成为获取健康信息的常见来源。它们可以聊天、用简单的术语解释复杂话题并提供慰藉。但当孩子的健康受到威胁时，一个有用的建议与一个危险的错误之间的区别可能是改变命运的。问题不仅在于这些机器能否正确回答，还在于它们能否安全地、带着恰当的同理心，并使用处于压力中的父母能够理解的语言来进行回答。
北京儿童医院的一个研究小组致力于测试这一点。他们想看看四种流行的聊天机器人，在被问及关于处理儿童烫伤的问题时表现如何。该研究侧重于护理的两个主要阶段：伤后即时的急救，以及孩子住院期间所需的持续护理。研究人员并没有要求机器对特定患者进行诊断或治疗实际伤情。相反，他们创建了一套反映现实世界关注点的三十六个问题，例如如何冷却烫伤、如果衣服粘在皮肤上该怎么办、如何控制疼痛以及何时必须赶往急诊室。他们将这些相同的问题输入了四个不同的聊天机器人：ChatGPT、Gemini、DeepSeek 和 Doubao（豆包）。每台机器都生成了一个回复，总计产生了一百四十四个答案以供评估。
为了评判这些答案，研究人员组建了一个由五位专家组成的评审小组，其中包括儿科烧伤、外科和护理方面的专家。这些专家拥有数十年的经验，并接受过专门训练，以寻找特定的指标。他们检查建议是否安全，即是否没有推荐有害的家庭疗法或延迟必要的医疗护理。他们通过将答案与既定的医学指南进行对比来衡量准确性。他们还评估了回复的共情程度，观察其语言是否认可了父母的恐惧并提供了支持而没有责备。最后，他们分析了文本的可读性，确保信息不会埋没在令人困惑的医学术语中。专家们独立工作，并且不知道哪个聊天机器人写了哪个答案，从而确保了他们的判断是公平且无偏见的。
结果显示，这些人工智能工具通常相当有能力，但并非完美。大多数情况下，聊天机器人提供了安全且准确的信息。例如，ChatGPT 在三十六个案例中有三十三个给出了安全的建议，而其他模型的安全回复数量在二十九到三十一之间。然而，研究发现没有任何一个模型是无瑕疵的。在某些情况下，答案缺乏关于何时寻求紧急医疗帮助的关键警告，或者未能充分强调某些家庭治疗（如使用冰块）实际上可能会使伤情恶化。虽然四个模型在事实准确性方面的差异在统计学上很小，但在沟通方式上的差异却更为显著。其中一个模型，Doubao（豆包），在共情得分方面较低，这意味着与其他模型相比，它的回复对于处于焦虑中的父母来说显得缺乏支持感。
研究还强调了这些机器在与人交流方面的一个重大障碍。研究人员测量了文本的阅读水平，这就像检查一名学生需要达到什么年级才能理解这些材料。他们发现，一些模型的回答所处的阅读水平对于许多成年人在压力之下快速阅读是非常困难的。在可读性方面表现最好的模型生成的文本更简单、更直接，接近于患者教育材料所推荐的水平。相比之下，其他模型使用了更复杂的句子结构和词汇，这可能会让处于危机中的照顾者感到困惑。研究人员得出结论，虽然这些工具正成为可靠的信息来源，但它们在“人性化”方面仍面临挑战。它们可以提供事实，但有时在清晰度和情感支持方面达不到要求。
最终，这项研究表明，这些数字助手是有用的工具，但不应取代专业的医疗判断。表现最好的模型是将事实正确性、清晰简洁的语言以及尊重用户焦虑感的语气相结合的模型。研究人员指出，为了使这些工具在儿科护理中真正发挥作用，它们需要被设计为优先考虑简洁、行动导向的指导。它们必须能够清晰地说明何时属于紧急情况，并在不隐藏技术术语的情况下解释其建议背后的依据。在这些系统能够始终如一地提供在压力下既安全、准确又易于理解的信息之前，家长和照顾者应将其视为获取信息的起点，而非关于孩子健康的最终定论。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。