MEDICINE & AI

タイトル：Enhancing the Readability of Online Patient Education Materials Using Large Language Models: Cross-Sectional Study 雑誌名：J Med Internet Res. 2025 Jun 04; 27: e69955. 概　要： 本研究は、オンラインでアクセス可能な患者教育資料（PEMs）が推奨される6年生の読みやすさを超えていることを背景に、大規模言語モデル（LLMs）がPEMsをより読みやすい教育コンテンツに簡素化できるかを評価しました。60のPEMsを対象に、ChatGPT、Gemini、Claudeの3つのLLMsを用いて可読性を最適化し、元の資料と比較しました。その結果、LLMsによる可読性の向上が確認され、正確性も維持されました。 方　法： この横断研究では、3つのウェブサイトからランダムに選ばれた60のPEMsを使用しました。LLMsに対してPEMsの読みやすさを簡素化するよう指示し、元の資料とLLMによって簡素化されたバージョンの可読性を比較しました。可読性スコアは、Flesch Reading Ease、Flesch-Kincaid Grade Level、Gunning Fog Index、Simple Measure of Gobbledygook Indexの4つの指標を用いて算出しました。 結　果： 元のPEMsの可読性スコアは、アメリカ心臓協会（AHA）、アメリカ癌協会（ACS）、アメリカ脳卒中協会（ASA）のウェブサイトでそれぞれ10.7、10.0、9.6と、推奨される6年生レベルを超えていました。LLMsによる最適化後、可読性スコアは全てのウェブサイトで有意に改善されました。ChatGPTは10.1から7.6に、Geminiは6.6に、Claudeは5.6に改善しました。単語数も有意に減少し、元の平均410.9-953.9語から201.9-248.1語に減少しました。ChatGPTによる簡素化PEMsは全て正確でしたが、GeminiとClaudeではそれぞれ3.3%が不正確でした。 結　論： この横断研究は、LLMsがオンラインPEMsの可読性を大幅に向上させる可能性があることを示しました。正確性と理解可能性を維持しつつ、より広い聴衆にアクセス可能にします。ただし、モデルの性能のばらつきや不正確さが見られるため、LLM出力の人間によるレビューが必要です。今後は、医療コンテンツに特化したLLM技術の探求が求められます。