발기부전 정보 챗봇 6종 평가

2026년 《성 건강》(Sexual Health)에 발표된 횡단면 평가에서 연구진은 환자용 발기부전(ED) 정보를 제공하는 대규모 언어 모델 챗봇 인터페이스 6종을 비교했습니다. 표준화한 발기부전 질문 38개를 각 인터페이스에 한 번씩 제출해 응답 228건을 얻었고, 독립 평가자 5명이 안전성, 정확도, 공감도, 정보 품질, 출처 투명성, 가독성, 응답 길이를 평가했습니다. 평가는 DISCERN, 환자용 정보 품질 보장 도구, 미국의사협회 기준, 전반적 품질 점수를 사용했습니다.

응답 26건(11.4%)에 안전성 표시가 붙었습니다. 인터페이스별 표시 비율에는 차이가 있었지만(Q = 11.765, P = 0.038) 효과 크기는 작았고(0.062; 95% 신뢰구간 0.026–0.148), 다중 비교 보정 뒤에는 인터페이스 간 유의한 차이가 남지 않았습니다. 모든 인터페이스의 정확도 중앙값은 5점 만점에 4.00점이었으며, 전체 점수는 조금씩 달랐습니다(P = 0.010, 켄달의 W = 0.080).

공감도(P < 0.001, W = 0.160), DISCERN(P = 0.003, W = 0.508), 환자용 정보 품질 보장 점수(P < 0.001, W = 0.576), 미국의사협회 기준 점수(P < 0.001, W = 0.888)는 인터페이스별로 유의한 차이를 보였습니다. 전반적 품질 점수 차이는 유의하지 않았고(P = 0.146), 가독성과 응답 길이는 모두 차이가 있었습니다(P < 0.001). 연구진은 챗봇이 대체로 정확한 발기부전 정보를 제공했지만 임상적으로 중요한 평가 항목에 따라 성능이 달랐다고 결론 내렸습니다. 정보 탐색에는 도움을 줄 수 있어도 개별 환자의 임상 평가를 대신해서는 안 된다고 밝혔습니다.

2026년 《성 건강》(Sexual Health)에 발표된 횡단면 평가에서 연구진은 환자용 발기부전(ED) 정보를 제공하는 대규모 언어 모델 챗봇 인터페이스 6종을 비교했습니다. 표준화한 발기부전 질문 38개를 각 인터페이스에 한 번씩 제출해 응답 228건을 얻었고, 독립 평가자 5명이 안전성, 정확도, 공감도, 정보 품질, 출처 투명성, 가독성, 응답 길이를 평가했습니다. 평가는 DISCERN, 환자용 정보 품질 보장 도구, 미국의사협회 기준, 전반적 품질 점수를 사용했습니다.

응답 26건(11.4%)에 안전성 표시가 붙었습니다. 인터페이스별 표시 비율에는 차이가 있었지만(Q = 11.765, P = 0.038) 효과 크기는 작았고(0.062; 95% 신뢰구간 0.026–0.148), 다중 비교 보정 뒤에는 인터페이스 간 유의한 차이가 남지 않았습니다. 모든 인터페이스의 정확도 중앙값은 5점 만점에 4.00점이었으며, 전체 점수는 조금씩 달랐습니다(P = 0.010, 켄달의 W = 0.080).

공감도(P < 0.001, W = 0.160), DISCERN(P = 0.003, W = 0.508), 환자용 정보 품질 보장 점수(P < 0.001, W = 0.576), 미국의사협회 기준 점수(P < 0.001, W = 0.888)는 인터페이스별로 유의한 차이를 보였습니다. 전반적 품질 점수 차이는 유의하지 않았고(P = 0.146), 가독성과 응답 길이는 모두 차이가 있었습니다(P < 0.001). 연구진은 챗봇이 대체로 정확한 발기부전 정보를 제공했지만 임상적으로 중요한 평가 항목에 따라 성능이 달랐다고 결론 내렸습니다. 정보 탐색에는 도움을 줄 수 있어도 개별 환자의 임상 평가를 대신해서는 안 된다고 밝혔습니다.