EUVIMEDEUVIMED entdecken
Crossref

Comparative Evaluation of Large Language Models for Patient Education in Interventional Oncology

Vergleichende Bewertung großer Sprachmodelle für die Patientenaufklärung in der interventionellen Onkologie

Harrison Blume, Darnell K. A. Williams, Arvind Dev, Christine Yoon, Jacob Cynamon, Kapil Wattamwar

Digestive Disease Interventions · 07.04.2026

DOI: 10.1055/a-2835-3036 ↗

Auf einen Blick

Drei öffentlich verfügbare LLMs lieferten lesbare und allgemein genaue Antworten auf typische Patientenfragen zur HCC-Behandlung. Zwischen den Modellen zeigte sich in keinem Bewertungsbereich ein signifikanter Unterschied.

Fragestellung

Wie gut beantworten drei öffentlich verfügbare LLMs häufige Patientenfragen zur interventionellen Behandlung des hepatozellulären Karzinoms?

Methode

Standardisierte 10-Fragen-Sammlung; ChatGPT 4o Mini, Gemini und Copilot gaben Antworten; 2 interventionelle Radiolog:innen bewerteten Genauigkeit, Vollständigkeit, Lesbarkeit, Mitgefühl und Gesamtqualität (0–100).

Ergebnisse

Die Antworten waren lesbar und allgemein genau; zwischen den Modellen gab es in keinem Bereich einen statistisch signifikanten Unterschied (p > 0,05). Qualitativ zeigten sich Inkonsistenzen zu Subtypen, Techniken und klinischen Nuancen.

Einschränkungen

Qualitative Analyse zeigte Inkonsistenzen; zukünftige Studien mit Patientenfeedback sind erforderlich.

Schlussfolgerung der Autor:innen

LLMs erscheinen als Zusatzwerkzeug für die präprozedurale Patientenaufklärung geeignet; die aktuellen Grenzen machen professionelle Aufsicht notwendig.

Kernaussagen

  • LLMs lieferten lesbare, allgemein genaue Antworten
  • Kein signifikanter Unterschied zwischen ChatGPT 4o Mini, Gemini und Copilot
  • Inkonsistenzen bei Subtypen, Techniken und klinischen Nuancen

Deutsche Zusammenfassung: KI-gestützt aus dem Original-Abstract erstellt; alle Zahlen wurden automatisch mit dem Original abgeglichen. Maßgeblich ist der Original-Abstract.

Kurz gefasst

Fachartikel in der Zeitschrift Digestive Disease Interventions, erschienen am 07.04.2026. Verfasst von Harrison Blume und 5 weiteren Autor:innen.

Auf einen BlickAbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Objective

To evaluate responses from three publicly available Large Language Models (LLMs) of common patient questions regarding the treatment of hepatocellular carcinoma (HCC) by interventional radiology, focusing on embolization and ablation. Materials and Methods A standardized set of ten questions addressing procedure indications, risks, benefits, and outcomes was developed by the research team. Three LLMs—ChatGPT 4o Mini (OpenAI), Gemini (Google), and Copilot (Microsoft)—were prompted to generate responses to the questions. Two attending interventional radiologists independently evaluated responses using a web-based survey instrument, assessing response accuracy, comprehensiveness, readability, compassion, and overall quality on a numerical scale from 0 to 100. Comparisons between models in each domain were made using one-way ANOVA, and the survey provided opportunities for qualitative comments.

Results

LLMs were found to provide readable, generally accurate responses with no statistically significant difference within any of the evaluated domains (p > 0.05). Qualitative analysis revealed inconsistencies in LLM responses for addressing procedure subtypes, techniques, and clinical nuances of HCC treatment.

Conclusion

While LLMs show promise as an adjunct tool for preprocedural patient education, current limitations highlight the necessity for professional oversight. Future studies incorporating patient feedback are essential to assess their impact on comprehension and satisfaction.

Zitieren

APA

Blume, H., Williams, D. K. A., Dev, A., Yoon, C., Cynamon, J., & Wattamwar, K. (2026). Comparative Evaluation of Large Language Models for Patient Education in Interventional Oncology. Digestive Disease Interventions. https://doi.org/10.1055/a-2835-3036

Vancouver

Blume H, Williams DKA, Dev A, Yoon C, Cynamon J, Wattamwar K. Comparative Evaluation of Large Language Models for Patient Education in Interventional Oncology. Digestive Disease Interventions. 2026. doi:10.1055/a-2835-3036

BibTeX
@article{Blume2026,
  author = {Blume, Harrison and Williams, Darnell K. A. and Dev, Arvind and Yoon, Christine and Cynamon, Jacob and Wattamwar, Kapil},
  title = {Comparative Evaluation of Large Language Models for Patient Education in Interventional Oncology},
  journal = {Digestive Disease Interventions},
  year = {2026},
  doi = {10.1055/a-2835-3036}
}
Kostenlos starten →