基于GPT-4的心力衰竭患者教育材料可读性优化研究：提升健康素养的新策略

针对心血管疾病患者教育材料(PEMs)阅读难度普遍高于推荐水平的问题，本研究评估了GPT-4对143份心衰相关PEMs的简化效果。结果显示修订后材料Flesch-Kincaid Grade Level(FKGL)从10.3降至7.3，23.1%达到AMA推荐的六年级水平，且全部保持医学准确性。这为利用大语言模型(LLM)改善患者健康素养提供了实证依据。

　　

在全球范围内，心力衰竭影响着约1%-2%的成年人，这种需要患者高度自我管理的慢性病给医疗系统带来巨大负担。然而令人担忧的是，当前医疗机构提供的心衰教育材料普遍存在"曲高和寡"的现象——美国心脏病学会等顶级机构发布的患者教育材料(PEMs)平均阅读难度高达十年级水平，远超美国医学会(AMA)建议的五至六年级标准。这种"专业鸿沟"导致患者难以理解关键的自我管理要求，如每日体重监测、限盐限水等，进而可能引发不必要的急诊就诊和住院。

为破解这一难题，研究人员开展了一项开创性研究。他们从《美国新闻与世界报道》2022-2023年度"最佳心脏病医院"排名前十的医疗机构网站收集了143份心衰相关PEMs，运用GPT-4大语言模型(版本日期2023年7月20日)进行智能化简化。研究团队采用"请用更简单的术语解释以下内容"的统一提示词，通过6种权威可读性评分系统(包括Flesch Reading Ease score、Flesch-Kincaid Grade Level等)进行量化评估，并由资深心脏科专家对修订材料的准确性和完整性进行专业评审。

关键技术方法包括：1)从10家顶级心脏专科医院系统收集PEMs；2)使用标准化提示词引导GPT-4进行文本简化；3)应用Python的Textstat库和R软件的Textstat readability包进行多维度可读性分析；4)由心脏专科医生进行双盲质量评估。

研究结果令人振奋：
【Readability Assessment】GPT-4修订使材料Flesch Reading Ease评分从48.6(大学水平)提升至72.2(七年级水平)，FKGL中位数从10.3(高中二年级)降至7.3(七年级)，达到AMA推荐阅读水平的材料比例从9.1%提升至23.1%。典型案例如对"右心衰竭"的解释，GPT-4创新性地采用"心室是小房间"的类比，显著提升了理解度。

【Accuracy and Comprehensiveness】专家评审显示，所有GPT-4修订材料均保持原有医学准确性，更有23.1%的材料被评定为比原始版本更全面。例如在解释心衰病因时，GPT-4不仅列出"心脏瓣膜疾病"等术语，还补充了通俗的机制说明。

这项发表在《JMIR Cardio》的研究具有多重重要意义：首次证实GPT-4能有效"翻译"专业医学内容，在保持ACC/AHA指南准确性的同时，将阅读难度降低3.6个年级水平。这种人工智能辅助的健康教育新模式，有望解决长期存在的"专业术语壁垒"问题。研究特别指出，GPT-4展现出的"解释性补充"能力——即在简化语言时主动增加背景说明，可能成为提升患者理解深度的关键。

当然，研究者也清醒认识到当前局限：可读性评分系统仅评估文本表层特征，未能完全反映患者实际理解程度；且医学人工智能仍面临隐私保护、算法偏见等技术伦理挑战。团队建议下一步应开展患者参与的临床验证，并探索"自适应阅读水平"的个性化教育方案。这项研究为人工智能赋能患者教育提供了重要范式，其方法论也可拓展至糖尿病、高血压等其他慢性病管理领域，对实现"健康中国2030"提出的全民健康素养提升目标具有积极意义。