// AI 新闻 · 2026-11-01 · Nature
大型语言模型对股骨头无血管坏死患者问题的回答评估
五款大型语言模型——ChatGPT、Gemini、Copilot、Claude和DeepSeek——针对15个关于股骨头无血管坏死的常见患者问题分别生成了响应，共75条回答。四名骨科医生依据JAMA标准、DISCERN评分体系及临床准确性五分制对响应进行评估，结果显示Claude在JAMA和DISCERN评分中表现最佳，DeepSeek在DISCERN评分上优于ChatGPT、Gemini和Copilot，且Claude与DeepSeek之间无显著差异。所有模型的回复均被判定为安全，但临床准确性存在显著差异（p < 0.001）。在可读性方面，Flesch-Kincaid等级（FKGL）得分平均值达10.85至13.93，高于推荐的患者教育材料阅读水平，表明模型输出存在理解难度问题。各平台在透明度、信息质量与临床准确性方面的表现存在异质性，但均未能有效提升可读性。
原文发布 2026-11-01 08:00（北京时间）来源 Nature自动整理 · 已核对原文
01摘要
研究未评估患者对内容的理解程度，也未涉及模型在实际医疗场景中的应用效果。
由开源模型根据原文自动整理，经数字/专名逐项核对（必须在原文中出现），以原文为准。
02要点
- Claude在JAMA和DISCERN评分中表现最优，DeepSeek在DISCERN上优于其他三款模型。
- 所有模型回复均被判定为安全，但临床准确性存在显著差异（p < 0.001）。
- Flesch-Kincaid等级平均值达10.85–13.93，高于患者教育材料推荐水平，可读性不足。
- 各平台在透明度、信息质量与临床准确性方面表现不一，均未解决可读性问题。
03原文出处
Nature · 发布于 2026-11-01 08:00（北京时间） · 上方为原标题
05相关新闻
出自智图 AI 新闻：从 1100 多个官方与媒体信源采集。摘要只转述原文内容，详情请看原文。 2026-11-01 全部新闻 · 按日期归档 · 全部 AI 新闻 · 今日