使用生成性人工智能提高尿道瘤学文学简报和摘要的可读性:BRIDGE-AI 6 随机对照试验
Conner Ganjavi1,2, Ethan Layne1,2, Francesco Cei1,2,3
1USC Institute of Urology and Catherine and Joseph Aresty Department of Urology, Keck School of Medicine, University of Southern California, Los Angeles, CA.
JCO clinical cancer informatics
|September 10, 2025
概括
生成型人工智能 (GAI) 为泌尿瘤学研究创建高度可读的简要概要和摘要 (LAS),改善患者的理解和感知. 人类监督对于准确性至关重要.
科学领域:
- 尿道瘤学 尿道瘤学
- 人工智能在医学中的应用
- 科学沟通科学沟通
背景情况:
- 泌尿外科瘤学的原始摘要 (OA) 对患者和护理人员来说可能很难理解.
- 有效地沟通研究结果对于患者的参与和知情决策至关重要.
研究的目的:
- 评估一种生成型人工智能 (GAI) 框架,用于生成精确,清晰和易读的尿道瘤学研究简报和摘要 (LAS).
- 与OAs相比,评估患者和护理人员对GAI产生的LAS的理解和感知.
主要方法:
- 用GAI工具生成LAS,使用了40个泌尿瘤学OA.
- 可读性指标比较了LAS和OA;独立审查员评估了准确性,完整性和清晰度.
- 一项试点研究涉及277名患者/护理人员,他们被随机分配阅读OA或LAS,随后进行理解和感知评估.
主要成果:
- 由GAI产生的LAS在不到10秒内产生,质量高 (85-100%) 和幻觉最小 (1%).
- 与OAs相比,LAS表现出明显更好的可读性 (68.9对25.3) 和等级水平.
- 接受LAS治疗的患者和护理人员表现出明显改善的理解和感知能力 (P < .001).
结论:
- 由GAI生成的LAS具有高度可读性,并保持了泌尿瘤学研究的质量.
- 与原始摘要相比,LAS显著提高了患者和护理人员的理解和感知.
- 人类监督对于确保GAI生成的科学摘要的准确性和完整性至关重要.


