순서가 있습니다. 포털 넷(연구방·지식센터·커뮤니티·아카데미)을 먼저 담고,
SSRA 는 맨 나중에 담아 주세요. SSRA 를 먼저 담으면 나머지가 그 안에 포함된 것으로
잡혀 따로 담기지 않습니다. 아이콘도 담을 차례대로 놓았습니다 — 왼쪽부터 차례로 누르시면 됩니다.
Enhancing the Readability of Online Patient Education Materials Using Large Language Models: Cross-Sectional Study
John Will, Mahin Gupta, Jonah Zaretsky 외 · Journal of Medical Internet Research · 2025년 · 조회 15
왜 이 논문인가 — 선정 기준
HOT PAPER · 최근 가장 주목받는 논문 — 피인용·FWCI·동년 인용 백분위
2025-04 발표 · 피인용 93회 · 분야 내 인용 영향력 상위권 · 동년 인용 상위 1%
HOT PAPER 슬롯에 선정된 이유는 2025년 발표 이후 93회 인용이라는 높은 인용 수와 동년 논문 중 상위 1%에 드는 영향력 때문입니다.
논문 요약
본 교차‑단면 연구는 온라인에 공개된 환자 교육 자료(PEM)의 가독성을 향상시키기 위해 3가지 대형 언어 모델(ChatGPT, Gemini, Claude)을 적용했습니다. 60개의 PEM을 무작위로 선정하고, 각 모델에 원문을 단순화하도록 프롬프트를 제공했습니다. 가독성은 4가지 지표를 사용해 평가했으며, 모델이 생성한 텍스트가 권장되는 6학년 수준에 가깝게 낮아지는 동시에 내용 정확도를 유지함을 확인했습니다.
후속 연구설계에 활용하기
후속 연구에서는 가독성 점수와 정확도 검증을 종속 변수로 삼아, 다양한 임상 분야 PEM에 대한 LLM 적용 효과를 비교 설계할 수 있습니다.
핵심어
대형 언어 모델환자 교육 자료가독성교차‑단면 연구
실존 확인
이 논문은 OpenAlex에서 후보로 수집한 뒤, Crossref에 등록된 DOI와 제목 일치를 확인해 노출합니다.
SSRA가 문헌연구에서 인용 논문의 실재 여부를 검증하는 원칙과 같습니다.