综述：基于临床适用性能指标的机器学习在腰痛功能性运动评估中的准确性：系统评价

《International Journal of Medical Microbiology》：Machine learning accuracy for assessment of functional movement in Low back pain based on clinically applicable performance Metrics: A systematic review

本综述系统评估了大型语言模型（LLM）在脑机接口（BCI）患者教育中的应用潜力。研究发现，ChatGPT和Gemini在信息可靠性、准确性和可理解性方面表现相当，但Gemini在文本可读性上更具优势（p<0.05），其生成的回答具有更低的阅读等级要求和更高的易读性评分，更适合面向不同文化背景的患者群体进行健康科普。尽管AI在BCI教育中展现出巨大潜力，但专家监督仍是确保其临床应用安全有效的关键。

　　

脑机接口患者教育的新工具：大型语言模型的比较研究

摘要

人工智能（AI）特别是大型语言模型（LLM）正在重塑医疗健康信息传播的格局。以OpenAI的ChatGPT和Google的Gemini为代表的LLM，因其能生成流畅、符合语境的文本，在患者教育领域展现出巨大潜力。本研究旨在对这两种主流AI模型在回答脑机接口（BCI）相关常见患者问题时的表现进行多维度、严谨的比较分析。

背景

脑机接口（BCI）是一种融合了神经科学、生物工程和临床医学的先进技术。它通过在大脑与外部设备之间建立直接通信通路，为因严重神经损伤或退行性疾病（如肌萎缩侧索硬化症和脊髓损伤）而功能丧失的患者提供了康复的希望。BCI系统主要分为非侵入式和侵入式两类，其核心区别在于性能与风险之间的权衡。非侵入式BCI的性能受神经信号穿过颅骨时的衰减所限，导致信噪比和信息传输速率相对受限。相比之下，侵入式BCI通过将电极直接植入大脑，能够捕获时空分辨率极高且不易受干扰的神经信号。然而，这种卓越性能所依赖的高技术复杂性和手术侵入性，给临床医生与患者之间关于风险、获益和期望的沟通带来了巨大挑战。

清晰、准确和富有同理心的沟通是建立医患信任、确保知情同意质量和管理患者对治疗结果期望的基石。研究表明，对自身疾病的病因、病理生理和治疗方案有深入理解的患者，能更有效地参与并坚持治疗方案，这直接有助于获得更好的临床结局。然而，个体健康素养（即获取、处理和理解基本健康信息以做出适当决策的能力）的广泛差异，构成了有效患者教育的重大障碍。认识到这一挑战，包括美国卫生与公众服务部和美国医学协会在内的领先卫生组织建议，患者教育材料的编写应大致达到六年级的阅读水平，以确保最广泛受众的理解。对于像BCI这样复杂的话题，遵循这一标准至关重要却又异常困难。这进一步凸显了市场对能够简化技术信息而不牺牲准确性的工具的迫切需求。

在此背景下，LLM似乎是解决BCI患者教育挑战的有前途的工具。然而，其有效性并非必然。不同模型在架构、训练数据和优化目标上的差异可能导致其回答质量和风格的显著不同。本研究特别关注OpenAI的ChatGPT和Google的Gemini，因为它们可以说是当前公众可用的最具影响力和最广泛采用的两个通用LLM。它们的市场领导地位和高可及性使其成为患者寻求健康信息最可能求助的平台，也使其成为评估AI在患者教育中效用的关键基准。

方法

本研究设计为一项比较性横断面分析。为确保问题反映真实的患者关切，一个由神经调控领域临床专家组成的研究团队首先借鉴其丰富的临床经验，草拟了在脑机接口咨询期间患者最常询问的问题清单。为了验证和扩展该清单，我们系统回顾了现有的脑机接口患者教育材料，并分析了在线患者社区中的讨论。通过结合临床专家共识、文献回顾和在线患者社区分析的结构化过程，我们最终确定了13个涵盖整个BCI治疗周期的关键患者问题。

随后，我们在2025年9月1日从ChatGPT和Gemini获取了这些问题的回答。一个由临床专家和非医学专业人士组成的评估小组，使用标准化的李克特量表，在三个维度上对回答质量进行了盲法评估：可靠性（信息的可信度）、准确性（事实的正确性）和可理解性（逻辑的清晰度）。同时，我们使用Flesch-Kincaid易读性测试对回答文本进行了客观的定量分析。

结果

在可靠性、准确性和可理解性这三个基本内容质量维度上，ChatGPT和Gemini均表现出非常高的水平，显示出作为可靠信息源的巨大潜力。两种模型在绝大多数问题上的得分无统计学显著差异，表明它们在生成事实准确、逻辑清晰且易于理解的回答方面能力相当。

然而，在可读性这一关键维度上出现了明显且显著的差异：在13个问题中的12个上，Gemini生成的文本所需的阅读等级水平显著低于ChatGPT（p < 0.05），并且其阅读易读性得分显著更高。这种差异源于Gemini倾向于使用更短的句子和更简单的词汇。定量分析显示，Gemini的回答平均句子长度更短，词汇复杂性更低，从而使其文本更易于被不同健康素养水平的患者所理解。

讨论

本研究的核心贡献在于，它超越了AI生成内容“对与错”的简单判断，深入探讨了信息传递中“好与坏”的复杂维度。研究结果揭示了LLM在医疗领域应用中的一个至关重要现象：即使在可靠性、准确性等基本质量指标上表现相当，不同模型在可读性（信息传递的“最后一公里”）上也可能表现出显著差异。这种差异具有重要的临床意义。健康素养不足是患者理解医疗信息和参与决策的主要障碍。能够生成更易理解文本的模型，如本研究中的Gemini，在促进健康公平、缩小信息鸿沟方面具有更大潜力。

尽管如此，必须认识到AI在处理高度专业化和动态变化知识方面的局限性。LLM可能无法总是提供最新的信息，也可能无法完美处理极其复杂或存在争议的临床场景。因此，在临床应用中，人类专家的监督和验证角色不可或缺。AI应被视为增强医生能力、扩展教育资源的工具，而非替代临床判断和医患沟通。

结论

通过对ChatGPT和Gemini的严谨比较分析，本研究证实了LLM在为BCI患者提供教育支持方面拥有巨大但尚未被充分开发的潜力。核心发现是，尽管两种模型在信息可靠性和准确性方面表现相当，但在关键的可读性维度上存在显著差异。Gemini凭借其在生成更易获取文本方面的系统性优势，表明其可能对多样化的患者群体具有更广泛的临床适用性。未来的工作应侧重于将此类AI工具整合到临床工作流程中，并评估其对患者理解度、治疗依从性和长期结局的实际影响。最终，负责任地部署AI需要一种协作模式，即技术的优势与人类临床医生的专业知识和对个体患者需求的深刻理解相结合。