《自然-医学》发表的一项研究指出，大语言模型（LLM）或许不能协助公众作出更好的日常健康决策。

全球医疗机构提议将LLM作为提升公众获取医疗信息的潜在工具，让个人在向医生求助前，先由LLM进行初步健康评估和疾病管理。但研究显示，即使在医师资格考试中得分很高的LLM也并不保证能有效完成真实世界的交互。

不用人类受试者进行测试时，LLM能准确完成这些情景，平均能在94.9%的情况下正确辨别疾病，在56.3%的情况下选择正确的行动方案。不过，当受试者使用相同的LLM时，相关病症的识别率低于34.5%，选择正确行动方案的情况低于44.2%——该结果未超过对照组。

《自然-医学》发表的一项研究指出，大语言模型（LLM）或许不能协助公众作出更好的日常健康决策。

全球医疗机构提议将LLM作为提升公众获取医疗信息的潜在工具，让个人在向医生求助前，先由LLM进行初步健康评估和疾病管理。但研究显示，即使在医师资格考试中得分很高的LLM也并不保证能有效完成真实世界的交互。

不用人类受试者进行测试时，LLM能准确完成这些情景，平均能在94.9%的情况下正确辨别疾病，在56.3%的情况下选择正确的行动方案。不过，当受试者使用相同的LLM时，相关病症的识别率低于34.5%，选择正确行动方案的情况低于44.2%——该结果未超过对照组。

《自然-医学》发表的一项研究指出，大语言模型（LLM）或许不能协助公众作出更好的日常健康决策。

全球医疗机构提议将LLM作为提升公众获取医疗信息的潜在工具，让个人在向医生求助前，先由LLM进行初步健康评估和疾病管理。但研究显示，即使在医师资格考试中得分很高的LLM也并不保证能有效完成真实世界的交互。

不用人类受试者进行测试时，LLM能准确完成这些情景，平均能在94.9%的情况下正确辨别疾病，在56.3%的情况下选择正确的行动方案。不过，当受试者使用相同的LLM时，相关病症的识别率低于34.5%，选择正确行动方案的情况低于44.2%——该结果未超过对照组。

《自然-医学》发表的一项研究指出，大语言模型（LLM）或许不能协助公众作出更好的日常健康决策。

全球医疗机构提议将LLM作为提升公众获取医疗信息的潜在工具，让个人在向医生求助前，先由LLM进行初步健康评估和疾病管理。但研究显示，即使在医师资格考试中得分很高的LLM也并不保证能有效完成真实世界的交互。

不用人类受试者进行测试时，LLM能准确完成这些情景，平均能在94.9%的情况下正确辨别疾病，在56.3%的情况下选择正确的行动方案。不过，当受试者使用相同的LLM时，相关病症的识别率低于34.5%，选择正确行动方案的情况低于44.2%——该结果未超过对照组。

《自然-医学》发表的一项研究指出，大语言模型（LLM）或许不能协助公众作出更好的日常健康决策。

全球医疗机构提议将LLM作为提升公众获取医疗信息的潜在工具，让个人在向医生求助前，先由LLM进行初步健康评估和疾病管理。但研究显示，即使在医师资格考试中得分很高的LLM也并不保证能有效完成真实世界的交互。

不用人类受试者进行测试时，LLM能准确完成这些情景，平均能在94.9%的情况下正确辨别疾病，在56.3%的情况下选择正确的行动方案。不过，当受试者使用相同的LLM时，相关病症的识别率低于34.5%，选择正确行动方案的情况低于44.2%——该结果未超过对照组。