Comparative Evaluation of Large Language Models for Patient Education in Interventional Oncology
Vergleichende Bewertung großer Sprachmodelle für die Patientenaufklärung in der interventionellen Onkologie
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.
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}
}
EUVIMED