国内大型语言模型作为癌症患者教育工具的效果评价

来源：电子与信息学报杂志2026年第3期北京时间：

作者：张俊丽, 徐蔚然, 王钊

单位：1.首都医科大学附属北京天坛医院 北京 1000702.北京大学第三医院心内科 北京 100191

摘要：癌症发病率和死亡率持续攀升，有效的患者教育是降低疾病负担的重要手段。近年来，大语言模型在医学领域中展现出潜力，但其在癌症患者教育中的应用效果尚缺乏系统评估。该研究旨在比较3种国产大模型(豆包、Kimi和DeepSeek)在癌症患者健康教育中的表现。 通过肿瘤内科护士小组讨论收集常见教育问题，筛选出10个高频问题，涵盖饮食、营养、治疗及预后。分别输入3种模型进行回答，并采用盲法评价。13名住院癌症患者从“易理解性、有效性”两方面评分，6名资深肿瘤医生从准确性、全面性和专业性三方面评分。评分采用Likert 5级量表，并应用单因素方差分析、Welch方差分析及多重比较方法进行统计学处理。结果表明3种模型总体得分均在4分左右，总体差异有统计学意义(P=0.004)。患者维度评价中，Kimi在易理解性(4.615±0.534)和有效性(4.476±0.560)方面表现最佳；医生维度评价中，DeepSeek在准确性(4.117±0.846)、全面性(4.100±0.681)和专业性(3.917±0.645)方面表现最佳。豆包整体表现中等。综上所述， 国产大模型在癌症患者教育中展现出显著潜力。Kimi适合患者视角的信息传递，DeepSeek的信息输出更符合专业医学要求。研究提示患者评分与医生评分存在差异错位，未来可探索分层呈现或双重验证机制的文本生成策略，兼顾可理解性与专业性，并通过检索增强、微调等技术进一步优化，以推动建立智能化、精准化的癌症健康教育体系。

关键词：大型语言模型, 癌症, 患者教育, 可读性, 专业性

基金资助：北京航空航天大学虚拟现实技术与系统全国重点实验室开放课题(VRLAB2025C15)，首都医科大学附属北京天坛医院院内科研基金(TYGL202402)