评估基于人工智能的聊天机器人在患者教育中的实用性:系统性审查和元分析

科学领域:

• 医疗信息学 医疗信息学
• 医疗保健中的人工智能
• 患者教育 患者教育

背景情况:

• 对聊天机器人和大型语言模型 (LLM) 的兴趣日益增加,如ChatGPT,用于患者教育.
• 需要系统地评估聊天机器人响应在医疗保健中的适当性和准确性.

研究的目的:

• 对聊天机器人的适宜性和准确性进行系统审查和元分析,以教育患者.
• 评估聊天机器人的响应质量,可读性以及与指南和搜索引擎的一致性.

主要方法:

• 基于PRISMA的系统审查和PubMed和Scopus研究的元分析 (2023年1月至8月).
• 包括评估聊天机器人在患者教育中的实用性的研究.
• 随机效应的比例元分析,用于汇集适当性,质量,可读性和一致性数据.

主要成果:

• 包括21项研究;聊天机器人答案的合并适当率为89.1%.
• 聊天GPT是最受研究的聊天机器人;响应的平均水平是大学阅读水平 (Flesch-Kincaid 13.1).
• 在患者教育方面,聊天机器人与指南一致78.6%-95%,比谷歌搜索得分更高 (87%对78%).

结论:

• 聊天机器人主要提供准确和适当的患者教育内容.
• 聊天机器人响应的高级阅读水平构成了广泛使用的潜在障碍.
• 聊天机器人在患者教育方面显示出巨大的潜力,超越了传统的搜索引擎,并与临床指南保持一致.