大型语言模型在手术前和放电教育中的有效性:基于评估框架的系统审查
Mengting Wang1, Haoming Ma2, Meihua Piao3
1School of Nursing, Chinese Academy of Medical Sciences & Peking Union Medical College, Beijing, China.
NPJ digital medicine
|January 7, 2026
概括
大型语言模型 (LLM) 在减少患者焦虑方面表现有希望,但缺乏改善疼痛或恢复的一致证据. 需要进一步的研究来评估它们的临床有效性和可信度.
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:
- 大型语言模型 (LLM) 越来越多地用于患者教育.
- 目前对LLM在医疗保健中的有效性的评估是不一致的.
- 了解LLM对患者结果的影响对于临床整合至关重要.
研究的目的:
- 系统地审查在手术前和退院教育中基于LLM的干预措施的有效性.
- 确定评估LLM特征及其对患者结果的影响的证据差距.
主要方法:
- 来自五个数据库的20项研究的系统审查 (开始至2025年4月18日).
- 使用四维框架对结果和干预评估进行叙述综合.
- 对干预特征和结果的报告模式的热图可视化.
主要成果:
- 通过LLM干预,患者的焦虑和一些满意度方面都有所改善.
- 与传统方法相比,没有发现疼痛,恢复或其他满意度指标的显著差异.
- 与临床终点相对应的LLM可信度和绩效的报告有限.
结论:
- 基于LLM的患者教育显示出潜在的特定益处,例如减少焦虑.
- 在评估LLM绩效,可信度和临床影响方面存在重大差距.
- 未来的研究应该整合以模型为中心和以患者为中心的评估,以实现负责任的部署.
更多相关视频
06:28E-Patient Counseling Trial E-PACO: Computer Based Education versus Nurse Counseling for Patients to Prepare for Colonoscopy
Published on: August 1, 2019
8.8K
05:47Evidence-based Knowledge Synthesis and Hypothesis Validation: Navigating Biomedical Knowledge Bases via Explainable AI and Agentic Systems
Published on: June 13, 2025
1.3K
