当AI聊天机器人解答“原发性醛固酮增多症”疑问：一场关于质量与可读性的数字观察

如今，不少人遇到身体疑问时，会先向AI聊天机器人提问。但一项针对原发性醛固酮增多症（PA）的跨-sectional比较研究提示，这些回答在结构质量、来源透明度与易读性上，仍有明显改进空间。本文用数字解读的方式，带您看懂这项研究里的关键指标。

17个问题与68份回答：样本是怎么来的

数字是什么：研究从美国国家医学图书馆的医学主题词和近五年全球谷歌趋势数据中，提炼出17个与原发性醛固酮增多症相关的常见问题。在2026年7月27日的一个固定时间点，研究者把这些问题分别提交给四种聊天机器人配置——ChatGPT Plus中的GPT-5.5、Copilot智能模式、Gemini 3.5 Flash，以及Perplexity默认模型，每个问题各提交一次，最终得到68份回答。

正常范围与波动因素：17和68只是本次观察的样本量。问题来源决定了话题偏重，例如筛查、症状、用药等；而聊天机器人的回答会随版本更新、提问措辞、对话历史等因素变化，因此这些数字不能直接等同于“日常真实求助量”。

应对思路：看到小样本研究时，先关注它“在什么时间、什么版本、问了什么”，再判断结论是否适用于自己的场景。

DISCERN、EQIP、JAMA、GQS：四个质量工具各看什么

数字是什么：研究用四种工具评估信息结构质量。DISCERN关注信息来源是否清晰、是否提供多种选择；EQIP评价信息对患者是否友好、是否覆盖关键内容；JAMA基准看重作者、引用、更新日期、披露等；GQS则给出整体质量分级。结果发现，四种工具的打分在四个聊天机器人之间均存在差异（DISCERN p<0.001；EQIP p<0.001；JAMA p<0.001；GQS p=0.020）。

正常范围与波动因素：工具分数反映的是“表达结构”和“信息呈现”，并不等于事实准确或与专业意见一致。而且，由于17个问题中只有两个明确与治疗相关，DISCERN的全套比较可解释性有限。评分者一致性方面，条目级kappa值为0.844至0.924，总分ICC(2,1)为0.846至0.883，说明评估相对稳定，但工具本身仍有边界。

应对思路：如果某款工具得分较高，只能说明它在“可读、透明、结构化”上表现较好，不能直接推论它更正确。需要结合权威来源进一步核对。

中位分43与75：Copilot与Perplexity的结构分领先

数字是什么：在DISCERN和EQIP上，Copilot的中位分最高，分别为43.00和75.00；Perplexity紧随其后，为42.00和70.00。JAMA中位分方面，ChatGPT和Gemini均为0，Copilot和Perplexity均为1。这些差异具有统计学意义，但研究反复强调，它们不证明事实准确性、指南一致性或临床优势。

正常范围与波动因素：博特回答可能因提问方式、是否开启联网检索、模型版本而变化。同一模型在不同日期也可能给出不同分数。因此，排名只代表“在这次快照中”的表现。

应对思路：把聊天机器人当作“信息梳理助手”而非“判断依据”。对于涉及激素、血压、电解质的问题，仍需回到专业机构发布的科普材料或向专业人士咨询。

工具分数高，不等于事实更准确；信息透明、来源可查、语言易懂，才是患者教育更应优先关注的方向。

第六级阅读基准：没有一项可读性指标达标

数字是什么：研究用六种公式评估可读性，并以“六年级阅读水平”作为患者教育材料的参考基准。结果显示，没有任何一项可读性指标达到这一基准。换句话说，这些回答普遍偏复杂。

正常范围与波动因素：可读性公式多基于词长、句长等计算，对中文或专业术语密集的内容未必完全适用。但即便考虑公式局限，回答中长句、专业缩写和抽象概念较多，仍会增加理解负担。

应对思路：阅读时若遇到大段术语，可先记下关键词，再到权威机构科普专栏中查找对应解释；也可以请聊天机器人用更短句子、生活化例子重述，但最终理解仍需以可靠来源为准。

来源透明度偏低：患者使用前要留意什么

数字是什么：研究结论指出，在这些配置下，聊天机器人确实能生成原发性醛固酮增多症相关信息，但来源透明度仍然偏低，语言也偏复杂。JAMA基准中ChatGPT和Gemini的中位分为0，也侧面反映了引用、更新日期等信息披露不足。

正常范围与波动因素：是否标注来源，受产品设计、是否联网、提问是否要求“给出出处”等影响。有时即使给出链接，也需要核对链接是否真实、是否来自权威机构。

应对思路：患者面向使用时，建议优先选择附带可验证来源的回答；把聊天机器人定位为“辅助理解”，而非替代专业意见。若涉及用药或检查结果解读，应咨询专业人士。

把数字放回生活：三条实用建议

• 看来源，不只看分数。结构质量分高不代表事实无误，优先选择标注了引用、更新时间和适用范围的回答。
• 看语言，不只看结论。如果回答充满术语、句子很长，说明它可能不是为普通读者准备的，需要换更通俗的科普材料。
• 看边界，不只看方便。聊天机器人适合帮助整理问题、提供背景知识，但不适合单独用于判断病情或决定治疗方案。涉及健康决策时，请向专业机构或专业人士寻求帮助。

这项研究提醒我们：AI聊天机器人可以成为健康信息获取的入口之一，但入口之后，仍需透明的来源、易懂的语言和人的判断来共同把关。本文仅作信息参考，不构成任何专业建议。