摘要：心力衰竭（Heart Failure，HF）全球成人患病率为1%–3%，再入院率与医疗成本居高不下，优化出院流程以降低院后并发症已成为研究重点。本研究旨在比较人工智能（Artificial Intelligence，AI）生成的出院指导与常用患者教育资源在质量、可读性及健康素养要求方面的差异。研究人员采用盲法调查，由15名心血管疾病专科医师对WebMD、Lexicomp®及ChatGPT‑4o生成的心力衰竭出院指导进行评价；质量评估采用改良版DISCERN标准与全球质量量表（Global Quality Scale，GQS），可读性分析采用Flesch易读性评分（Flesch Reading Ease Score，FRES）、Flesch‑Kincaid阅读年级水平（Flesch‑Kincaid Grade Level，FKGL）及Gunning‑Fog指数（Gunning‑Fog Index，GFI）。统计方法用于识别最符合患者需求的出院材料及其阅读水平要求。结果显示，三类材料的质量指标无统计学差异，ChatGPT‑4o被评为“良好”，WebMD与Lexicomp®被评为“优秀”，且专家评审未发现AI生成文本存在临床错误。可读性分析显示，ChatGPT‑4o生成的指导需大学级阅读能力，显著高于WebMD与Lexicomp®的8–9年级水平；定性比较发现，WebMD与Lexicomp®多采用直接行为指令，而AI文本依赖抽象认知任务，导致更高的健康素养负担。研究表明，尽管所有来源的信息质量均较高，AI生成材料的可读性明显不足，提示未来应优化患者教育材料的可读性，并通过提示词工程策略降低抽象概念比例，以确保高质量AI工具能被低健康素养患者有效使用。
心力衰竭是全球范围内重要的公共卫生挑战，成人患病率约为1%–3%，五年死亡率高达45%–60%。随着人口老龄化及肥胖相关疾病增加，心衰的疾病负担持续加重，年均治疗费用约为每名患者三万美元。尽管住院诊疗不断进步，心衰患者出院后再入院率、发病率与死亡率仍居高不下，多数再入院可通过药物依从性及生活方式干预避免。然而，现有出院指导资源在可读性与健康素养匹配方面存在显著不足，尤其面对互联网上海量且良莠不齐的健康信息，患者难以获得适宜理解的指导。近年来，患者在医疗决策中的角色日益增强，约72%的美国成年人曾在线查询诊断与治疗相关信息，这进一步凸显了提供高质量且易理解的出院指导的重要性。与此同时，人工智能（AI）在医疗领域的应用迅速增长，其中ChatGPT‑4o因免费、易用及语言合成能力强，成为公众获取医疗信息的重要渠道。基于此，研究人员开展了针对心衰出院指导质量的比较研究，以评估AI生成内容与权威教育资源的差距，并为临床推荐与患者沟通提供依据。
本研究的主要技术方法包括：在获得机构审查委员会批准后，研究人员从三大来源获取心衰出院指导文本——面向公众的WebMD、循证医学数据库Lexicomp®以及AI平台ChatGPT‑4o，三者均以相同查询短语生成内容。随后，将去标识化的文本随机编入问卷，由15名心血管病专科医师进行盲法评估，最终10人完成评价。质量评价采用改良版DISCERN标准（总分7–35分）与全球质量量表（GQS，1–5分）；可读性分析采用Flesch易读性评分（FRES）、Flesch‑Kincaid阅读年级水平（FKGL）及Gunning‑Fog指数（GFI），并使用方差分析（ANOVA）检验组间差异，显著性阈值设定为p < 0.05。
研究结果显示：
3.1 质量：三类材料在改良DISCERN与GQS评分上无显著差异（p值分别为0.25与0.67），ChatGPT‑4o总体评为“良好”，WebMD与Lexicomp®评为“优秀”。组内评分一致性中等（ICC = 0.59）。
3.2 可读性：FRES评分中，ChatGPT‑4o为43.8（难度较高），Lexicomp®为62.3，WebMD为68.8；FKGL显示ChatGPT‑4o需大学级阅读能力（9.8级），WebMD与Lexicomp®分别为6.4与6.8级（8–9年级水平）；GFI评分中，ChatGPT‑4o为13.3（大学级），其余两者分别为9.4与9.6（高中一年级水平）。
3.3 定性评估：AI文本未出现虚构事实或临床错误，但语言风格偏向抽象认知任务，如“识别症状”“了解何时就医”，而WebMD与Lexicomp®则使用具体行为指令，如“立即前往急诊室”，这种差异是造成AI材料健康素养负担升高的主要原因。
讨论部分指出，虽然ChatGPT‑4o在信息质量上已接近权威资源，但其基线输出的语言复杂度远超患者平均阅读能力，这与训练数据来源于专业医学文献有关。相比静态资源，AI的优势在于动态适应性，未来应通过提示词工程优化，使其生成更具行为导向性的低阅读难度文本，并可根据患者健康素养水平自动调整。研究还强调，AI工具的普及需考虑数字社会决定因素，避免因设备与网络条件差异加剧健康不平等。此外，所有三类材料均未达美国国立卫生研究院与美国医学会建议的4–6年级阅读水平，提示心衰教育材料整体可读性亟待提升。
结论部分表明，心衰出院指导的质量虽普遍较高，但AI生成材料的可读性明显不足，可能阻碍患者理解与依从。未来的研究应聚焦于降低AI生成文本的复杂度，并评估其在真实临床环境中对患者理解与再入院率的影响，以推动高质量且易获取的智能健康教育工具的发展。
