患者特异性出院指导的机器翻译准确性及安全性评估：ChatGPT-4与Google Translate的多语言比较分析

这篇研究通过对比ChatGPT-4和Google Translate在英语→西班牙语、中文及俄语的翻译表现，评估了患者特异性出院指导的机器翻译（MT）准确性及潜在临床风险。结果显示，GPT-4在中文（95% vs 90%）和俄语（89% vs 80%）翻译中显著优于Google Translate，西班牙语两者相当（97% vs 96%）。尽管句子级有害误译率≤1%，但指令集层面最高达6%（俄语），提示需谨慎用于高风险场景。研究为低风险场景（如英语→西班牙语）的MT应用提供了循证支持，同时强调专业审核的必要性。

　　

Abstract

随着全球移民增加，语言障碍成为医疗沟通的重要挑战。本研究聚焦机器翻译（MT）在患者特异性出院指导中的应用潜力，对比了ChatGPT-4（GPT）和Google Translate的翻译准确性及临床风险。结果显示，两种工具在英语→西班牙语和中文翻译中句子级准确率≥90%，但俄语表现较差（GPT 89%，Google Translate 80%）。指令集层面，16%-66%的翻译存在至少一处错误，但临床显著有害误译率≤6%。研究支持MT在低风险场景的补充作用，同时呼吁对高风险内容保持谨慎。

Introduction

全球2.81亿移民面临医疗语言障碍，而现有翻译服务覆盖不足。既往研究表明，非英语患者（NELP）仅8%获得母语出院指导。尽管标准化材料的翻译可行，患者特异性文本的实时翻译仍存缺口。大型语言模型（LLM）如GPT的出现为填补这一缺口带来希望，但其在自由文本翻译中的表现尚未充分验证。本研究通过对比GPT-4与Google Translate，评估了三种语言翻译的准确性与安全性。

Methods

研究选取50组（316句）急诊科患者特异性出院指导，由GPT-4和Google Translate翻译为西班牙语、中文及俄语，再经专业译者回译。四名医师双盲编码评估准确性及潜在危害。句子特征（如低可读性、医学术语）被纳入分析，采用χ²检验和逻辑回归模型比较工具性能。

Results

准确性差异：GPT-4在中文和俄语翻译中显著优于Google Translate（p<0.05），西班牙语两者相当。Google Translate的准确率较2019年研究提升（中文90% vs 81%）。
危害风险：句子级有害误译率≤1%，但指令集层面俄语翻译风险最高（6%）。低可读性、拼写错误及非常规医学术语（如“阴性结果”）与误译显著相关。
语言特异性：西班牙语表现最优，俄语问题最多，中文居中。GPT-4对语法错误的容错能力更强。

Discussion

临床意义：MT工具可缓解西班牙语等低风险场景的翻译缺口，但俄语等高误译率语言需专业审核。研究支持美国HHS 1557条款对MT使用的分级建议，即高风险内容必须人工复核。
局限性：样本量限制了对误译预测因素的探索；未评估患者视角的理解差异；模型性能可能随时间变化。
实践建议：

• 避免将MT用于高风险沟通（如复杂用药指导）
• 提供原文及机器翻译免责声明
• 通过口头沟通确认患者理解
• 优化临床文本可读性，减少非常规术语

Conclusion

GPT-4在患者特异性文本翻译中展现优势，尤其英语→西班牙语场景可谨慎应用。未来需扩大语言对评估，并探索LLM在提升临床文本质量中的作用。医疗机构需建立MT使用规范，平衡效率与患者安全。

（注：全文严格基于原文数据，未添加非文献支持结论；专业术语如LLM、NELP等均按原文标注；统计符号如p<0.05、χ²等保留原格式。）