Закон 21st Century Cures Act обязал предоставлять пациентам доступ к клиническим записям, которые изначально написаны для медицинских специалистов и целей биллинга. Большие языковые модели (LLM) могут создавать понятные резюме онкологических заметок, но мнение онкологов об этом неизвестно.
Проведён перекрёстный опрос онкологов Dana-Farber Cancer Institute для оценки точности информации (accuracy, terminology, conciseness) и приемлемости LLM-резюме их клинических записей, а также определения предпочтительной модели. По две консультативных записи на онколога случайно отобрали и резюмировали тремя одновременно выпущенными LLM разных типов: OpenAI GPT-OSS 120B (открытая общая модель), Google MedGemma 27B (открытая медицинская модель) и Google Gemini 2.5 Pro (закрытая общая модель). Минимальная выборка 65 ответов требовалась для 80% мощности выявления наиболее предпочтительной модели при двустороннем α=0,05.
Опрос завершили 75 из 186 подходящих онкологов (40,3% отклик). Большинство резюме, по мнению респондентов, улучшают понимание пациентами (81,0%), лаконичны (82,9%), используют язык, отражающий оригинальную запись (82,5%), имеют доступный уровень чтения (96,0%) и передают точную информацию (77,3%).
Ошибки выявлены в 36,9% резюме, из них 48,8% потенциально могут причинить вред. Наиболее частые предполагаемые риски — ущерб отношениям врач-пациент (24,7% ошибок) и психологический вред пациентам (22,3%), тогда как 13,3% несли медико-юридический риск.
Gemini, MedGemma и GPT-OSS-120B создавали предпочтительное резюме в 49,7%, 34,0% и 16,3% случаев соответственно. Gemini (β=1,08, p<0,001) и MedGemma (β=0,73, p=0,005) каждая предпочиталась GPT-OSS-120B, тогда как Gemini численно, но незначимо предпочиталась MedGemma (β=0,35, p=0,076).
После просмотра резюме 52 онколога (69,3%) нашли LLM-резюмирование приемлемым, 4 (5,3%) — нет, 17 (22,7%) не определились.
Большинство LLM-резюме онкологических записей улучшают понимание пациентами и точно дистиллируют оригинал; однако значительное меньшинство содержало ошибки и воспринимаемый вред, что требует клинического пересмотра. Несмотря на предпочтения среди моделей, данные указывают на критическую необходимость определить ключевые метрики внедрения, такие как максимально приемлемая частота ошибок, до реального использования LLM-резюме.