AI聊天机器人作为性传播疾病信息源的可靠性及可读性研究：现状评估与改进方向

《Journal of Medical Systems》：AI Chatbots as Sources of STD Information: A Study on Reliability and Readability

本刊推荐：针对公众日益依赖AI chatbots获取敏感健康信息的现状，土耳其研究团队通过DISCERN/EQIP/JAMA/GQS工具评估ChatGPT-4o/Gemini 1.5/Perplexity Pro/Copilot在11项STD查询中的表现。发现Perplexity与Copilot可靠性更优（DISCERN>40），但所有AI生成内容均未达6年级可读性标准（FRES<50，FKGL>8），凸显AI医疗信息需兼顾准确性与通俗化的迫切需求。

　　

在数字化医疗时代，性传播疾病（STD）信息的获取方式正经历革命性变革。由于疾病本身的敏感性，许多患者羞于直面医生，转而向AI聊天机器人寻求帮助——这些24小时在线的"数字医生"能提供即时、匿名的咨询服务。但令人担忧的是，这些AI生成的医疗建议是否准确可靠？普通民众能否真正理解那些充满医学术语的回答？这些问题直接关系到全球每年超百万STD新感染者的健康决策。

为解答这些关键问题，土耳其的研究团队开展了一项开创性研究。通过系统评估四大主流AI聊天机器人（ChatGPT-4o、Gemini 1.5、Perplexity Pro和Copilot）在STD领域的表现，研究揭示了当前AI医疗咨询存在的双重挑战：虽然部分平台已能提供较可靠信息，但所有机器人生成的内容都过于专业复杂，远未达到美国医学会推荐的6年级阅读水平。这项发表在《Journal of Medical Systems》的研究，为AI健康信息服务的发展提供了重要基准。

研究方法
研究团队首先通过Google Trends筛选出2018-2023年间全球最热门的11项STD查询（如"STD症状"、"衣原体治疗"等），采用多维度评估体系：使用DISCERN（医疗信息质量评估工具）、EQIP（患者信息质量量表）、JAMA（学术可信度标准）和GQS（全球质量量表）评估可靠性；采用Flesch-Kincaid Grade Level（FKGL，文本难度分级）等6项指标分析可读性。所有评估由两位具有10年泌尿科临床经验的专家独立完成，并通过Cohen's Kappa系数确保评分一致性。

可靠性分析结果
DISCERN评分显示显著差异（p<0.001），Perplexity（42.27±2.49）和Copilot（41.73±2.2）达到"良好"等级，显著优于ChatGPT（33.27±6.65）和Gemini（38.09±3.05）的"较差"评级。EQIP评估中所有AI均属"存在小问题的良好质量"（51-75%），但Perplexity（59.55±4.99）和Copilot（57.91±4.61）仍领先。值得注意的是，ChatGPT在JAMA基准（评估作者/来源透明度）得分为0，因其完全未提供信息来源。

可读性分析结果
所有AI均未达到6年级阅读标准（p=0.125）：Flesch Reading Ease Score（FRES，易读性指数）最佳表现是Gemini（48.27±6.8），远低于80分的推荐值；Flesch-Kincaid Grade Level（FKGL，文本难度对应年级）显示内容难度在8.43（Gemini）至10.34（ChatGPT）年级水平；Gunning Fog Index（GFI，文本复杂度）全部超过11，最高达13.46（ChatGPT）。典型问题如ChatGPT使用"细菌核糖体水平蛋白合成抑制"等专业术语解释衣原体治疗机制。

讨论与意义
该研究首次系统验证了AI聊天机器人在STD领域的"可靠性-可读性悖论"：虽然Perplexity和Copilot通过引用来源提升了信息可信度，但所有平台都未能解决内容过于专业化的问题。这在STD防治中尤为关键——低健康素养人群往往正是感染高风险群体。研究者建议AI开发者需建立"双轨优化"机制：既要通过实时连接权威数据库（如CDC指南）提升可靠性，又要开发"通俗化算法"自动简化专业术语。医疗从业者也需警惕AI工具的局限性，在咨询中主动确认患者对线上信息的理解程度。

这项研究为AI健康信息服务树立了重要质量标杆，其方法论同样适用于其他敏感医疗领域。随着欧盟《AI法案》等监管框架出台，该研究强调的透明性（如强制标注信息来源）和可及性（如分级阅读选项）或将成为AI医疗工具的合规标配。未来研究可拓展至多语言环境评估，并探索图像化、交互式等更友好的信息呈现方式。