ChatGPT在腘绳肌损伤常见问题中的应答准确性及可读性调整能力评估

本研究针对ChatGPT在腘绳肌损伤(hamstring injury)患者教育中的潜在应用，系统评估了其对10个高频问题的应答准确性及可读性调整能力。研究人员通过分级评价体系(A-D级)和Flesch-Kincaid可读性评分(FRES/FKGL)发现，ChatGPT应答准确率达90%(7/10为B级以上)，但70%存在信息不完整问题；更重要的是，其能根据指令将应答可读性从默认的10年级水平(FKGL 10.28)精准调整为6年级(FKGL 6.1)或研究生水平(FKGL 17.23)，为AI辅助医疗咨询提供了循证依据。

　　

在运动医学领域，腘绳肌损伤是最常见的下肢损伤之一，约占运动员下肢伤病的30%，复发率高达12-31%。这种损伤不仅影响运动员的职业生涯，也给普通人群的日常生活带来困扰。随着互联网的普及，越来越多患者倾向于通过网络获取医疗信息，这种趋势在新冠疫情期间尤为明显。然而，网络信息的质量参差不齐，患者往往难以辨别真伪，这给医患沟通带来了新的挑战。

2022年问世的ChatGPT作为新一代人工智能对话模型，以其强大的自然语言处理能力迅速风靡全球。在医疗领域，它展现出作为患者教育辅助工具的潜力，但其在骨科特别是腘绳肌损伤方面的应用效果尚不明确。更关键的是，美国国立卫生研究院(NIH)建议患者教育材料应控制在7-8年级阅读水平，而此前研究显示ChatGPT应答的阅读等级普遍偏高，达到大学水平。这种"专业鸿沟"可能影响患者对信息的理解，进而影响治疗效果。

为解答这些问题，来自某医疗机构的研究团队开展了一项开创性研究。他们从患者教育网站中筛选出10个关于腘绳肌损伤的最常见问题，通过三个实验组评估ChatGPT-4.0的性能：无提示的初始应答、要求调整为7年级阅读水平的应答，以及要求调整为研究生水平的应答。研究采用双盲评价和标准化可读性分析工具，系统评估了应答质量和适应性。

研究方法上，团队首先通过文献回顾确定了评估框架。15个初始问题来自多家机构的患者教育网站，最终筛选出10个最高频问题。每个问题分别进行三种查询模式：基础查询、7年级阅读水平提示查询和研究生水平提示查询。两位骨科住院医师采用改良的DISCERN评分标准独立评估应答质量，分为A(准确充分)到D(错误)四个等级。可读性分析采用Flesch-Kincaid阅读难易度评分(FRES)和年级水平(FKGL)两个指标，前者分值越高表示越易读，后者直接对应美国教育年级。

研究结果呈现出三个重要发现：

1. 应答准确性方面
   初始查询中，20%应答获评A级(准确充分)，70%为B级(准确但不充分)，10%为C级(含正确和错误信息)。值得注意的是，关于"腘绳肌损伤症状"和"基本定义"的问题获得最高评价，而"何时恢复活动"的问题因提供无文献支持的康复时间表而被评为C级。

2. 可读性调整能力
   初始查询的平均FRES为61.64(标准难度)，FKGL为10.28，相当于10年级水平。当要求调整为7年级水平后，FRES升至75.2(较易读)，FKGL降至6.1；而研究生水平要求的应答FRES骤降至12.08(极难读)，FKGL飙升至17.23，显示出惊人的适应性。

3. 临床相关性分析
   虽然大多数应答(90%)包含准确信息，但普遍存在细节不足的问题。例如在"预防措施"应答中，虽然列出了常规方法，但缺乏针对不同运动项目的个性化建议；"手术指征"应答中未提及关键的肌腱受累数量和回缩程度等决策因素。

讨论部分指出，这项研究首次系统评估了ChatGPT在腘绳肌损伤患者教育中的应用潜力。与既往关于髋关节镜、ACL重建等主题的研究相比，本研究发现ChatGPT在腘绳肌损伤方面的表现更为优秀，准确率提升约10-20%。更重要的是，研究证实通过适当的提示工程(prompt engineering)，ChatGPT能够可靠地将应答可读性调整至NIH推荐水平，这一发现对解决"健康素养鸿沟"具有重要意义。

然而，研究也揭示了关键局限：首先，ChatGPT的知识截止于2022年1月，无法纳入最新研究进展；其次，应答质量高度依赖提问方式，存在"垃圾进垃圾出"(GIGO)风险；最后，约40%的应答需要专业医师补充说明才能确保临床适用性。

这项发表在《Arthroscopy, Sports Medicine, and Rehabilitation》的研究为AI辅助医疗咨询提供了重要循证依据。结论强调，虽然ChatGPT目前不能替代专业医疗咨询，但其作为患者教育的补充工具具有独特价值，特别是在可读性调整方面展现的灵活性，为未来开发智能化、个性化的患者教育系统指明了方向。研究者建议医疗机构在使用这类工具时，应建立质量控制机制，并持续更新知识库，以确保信息的准确性和时效性。