大语言模型用于糖尿病视网膜病变患者教育的评估
摘要
研究对比了ChatGPT、Gemini、DeepSeek、Doubao、Copilot和Perplexity六款大语言模型在回答50个标准化糖尿病视网膜病变患者问题时的表现。由五名评审员依据安全、准确、共情、信息质量（DISCERN、JAMA等）、透明度和可读性等维度评分。结果显示，各模型安全响应率在86.0%至94.0%之间，准确性普遍较高，但共情能力差异明显；Perplexity在信息质量指标上得分最高，Gemini可读性最佳，但所有模型的Flesch阅读易度分均低于推荐阈值。
信息来源： PubMed Ophthalmology 发布于 2026年1月1日
要点速览
- 研究测试了ChatGPT、Gemini、DeepSeek、Doubao、Copilot和Perplexity六款大语言模型对50个糖尿病视网膜病变患者问题的回答质量。
- 采用五名评审员独立评分，评估维度包括安全性、准确性、共情、DISCERN、JAMA标准、EQIP、GQS及六种可读性指标。
- 安全响应率为86.0%–94.0%，Perplexity在DISCERN和JAMA评分中最高，Gemini可读性最优，但所有模型Flesch阅读易度分均低于推荐阈值。
本站解读
这项研究用50个真实患者常问的问题，实测六款主流大语言模型对糖尿病视网膜病变（DR）的应答表现——结论很实在：没有一个模型在所有维度上都胜出。安全性和准确性整体过关（安全响应率最高达94.0%），但短板清晰：共情能力参差不齐，Copilot得分最高，Doubao和Perplexity偏低；所有模型的Flesch阅读易度分都不达标，意味着文字对普通患者仍偏难懂。这类研究设计扎实，5名独立评审+多套成熟量表交叉验证，结果可信度高。
但它离改变临床实践还很远。模型输出不能替代医生判断，论文也明确指出其在风险升级提示、透明度和个性化沟通上的局限。短期内，它最多作为候诊时的辅助信息源，而非诊疗环节的一部分。国内情况有待确认。
普通人无需因此改变行为，更不必自行用这些工具查病情或做决策。若对DR有疑问，最稳妥的方式仍是向眼科医生当面沟通；如对线上信息有疑虑，可咨询眼科医生。
常见问题
我用ChatGPT问糖尿病眼病的问题，答案能信吗？
多数情况下答案是安全且基本准确的，研究显示其安全响应率达86.0%–94.0%，但共情不足、术语偏多、关键风险提示可能缺失。它不能替代医生解释，如有疑虑可咨询眼科医生。
哪个AI回答糖尿病眼病问题最靠谱？
没有单一最优模型：Perplexity在信息质量（DISCERN、JAMA）上得分最高，Copilot共情能力最强，Gemini可读性最好。但所有模型在Flesch阅读易度上均未达推荐水平，说明对普通患者仍不够友好。
延伸阅读
超广角OCTA联合临床指标识别2型糖尿病早期视网膜病变
该研究纳入1676名2型糖尿病患者，其中1047人用于训练、453人用于内部测试、176人来自社区的外部验证集。研究结合超广角光学相干断层扫描血管成像（UW-OCTA）图像与临床指标（如病程、糖化血红蛋白、低密度脂蛋白胆固醇和收缩压），构建多模态深度学习模型。结果显示，多模态模型在内部和外部验证集中AUC分别为0.921和0.849，优于仅用图像或仅用临床数据的模型，提示其有助于无创识别早期糖尿病视网膜病变。
FedMediFormer-XAI：面向糖尿病的联邦多模态AI框架
该研究提出FedMediFormer-XAI框架，整合联邦学习、多模态Transformer、扩散模型数据增强、图神经网络（GNN）药物推荐和可解释AI（XAI），用于糖尿病预测与个性化用药推荐。系统融合临床记录、眼底图像、动态血糖监测、可穿戴设备数据等多源异构信息。在代表性实现中，疾病预测准确率达94.2%，AUC-ROC为0.96；药物推荐模块NDCG达0.91。
AI分析显示DME患者外层视网膜结构损伤模式不同
研究利用AI辅助OCT技术，对1688名糖尿病性黄斑水肿（DME）患者的2355只眼进行横断面分析，量化了外界膜（ELM）和椭圆体带（EZ）中断比例及与积液、炎症灶、视力的关系。结果显示：21.9%的眼睛存在ELM中断，37.6%存在EZ中断；EZ中断更常见，且与炎症性高反射灶增多相关；ELM中断则与视力下降和浆液性视网膜下液负担关联最强。