MEDICINE & AI

タイトル：Coherence and comprehensibility: Large language models predict lay understanding of health-related content. 雑誌名：J Biomed Inform. 2025 Jan; 161: 104758. 概　要： 本研究は、健康リテラシーが健康に関する意思決定に必要不可欠であることを背景に、情報の理解を促進するためには、読者に適した読みやすさでテキストを提示する必要があることを示しています。特に、知識が乏しい読者にとっては、テキストの一貫性が重要であり、これはアイデア間の関連性を示します。自動化された一貫性の推定方法を用いて、一般の人々が生物医学的テキストを理解する際の関係を評価しました。実験の結果、読者の理解度と大規模言語モデル（LLM）による一貫性指標との間に有意な関連があることが示されました。 方　法： この研究では、複数の選択肢を用いた読解実験を通じて、テキストスニペットの一貫性を自動化された指標で評価しました。テキストの一部は、理解しやすさを向上させるために意図的に修正されました。LLMによる一貫性指標と読者の理解度との関連を調査しました。 結　果： 読者の理解度は、LLM由来の一貫性指標と有意に関連しており、理解を改善するための介入がテキストの一貫性を向上させ、読者の理解度も向上しました。これにより、LLMによる一貫性の測定が、一般の人々にとって生物医学的テキストの理解を困難にする関連性のギャップを特定する手段として有用であることが示されました。 結　論： LLM由来の一貫性指標は、生物医学文献のアクセシビリティを向上させるための手動および自動化された方法に情報を提供する可能性があり、一般の人々が生物医学的テキストを理解するのを助けるための重要なツールとなることが期待されます。