这篇于2026年5月18日提交至arXiv的论文《Evaluating the Utility of Personal Health Records in Personalized Health AI》（评估个人健康记录在个性化健康AI中的效用），由Rory Sayres及另外21位作者共同完成，探讨了一个颇具现实意义的问题：当患者把自己管理的个人健康记录（Personal Health Records，PHR）交给大语言模型作为上下文时，模型能否给出更有帮助的健康回答。
研究背景在于，PHR的初衷是让患者更好地理解自身健康状况，但记录中的信息往往复杂、专业且分散，普通患者难以从中获得清晰洞察。作者因此评估大语言模型（具体使用的是Gemini 3.0 Flash）在获得PHR临床数据作为上下文时，回答用户健康问题的潜力。
在方法设计上，研究共选取了2,257条用户查询，并刻意覆盖三种不同的分布以代表患者提问的真实样貌：一是较短的网页搜索式查询；二是由聊天机器人对话模板衍生出的较长问题；三是患者实际向其医疗团队提出的问题（即患者来电内容）。这些查询与来自1,945份去标识化PHR池中的记录进行匹配。随后，Gemini在三种条件下生成回答：（1）不提供任何PHR上下文；（2）提供包含人口统计学信息、疾病状况和用药情况的基础摘要；（3）提供完整、详尽的临床笔记。
评估环节，研究团队沿用了已有的SHARP评分框架，并针对模型在解读PHR时特有的错误模式开发了一套新的评估框架。评估方式上，全量数据集由自动评分器完成打分，另取一个子集（n=95）由临床医生进行人工评分，两组评分者均知晓完整的PHR上下文。
结果显示，在引入PHR数据后，所有类型问题的回答有用性均有显著提升（配对t检验，p < 0.001）。研究还观察到回答在安全性、准确性、相关性和个性化方面可能存在增益。与此同时，新构建的PHR评估框架揭示出模型在理解复杂PHR某些方面时仍存在缺口，例如时间错位（temporal disorientation），以及虽罕见但具有实际意义的虚构内容（confabulations）。
作者总结认为，这些结果说明PHR数据有望服务于广泛多样的用户需求，同时该研究提供了一个用于监测基于PHR上下文的模型回答缺口的框架，并呼吁后续工作进一步评估和实现患者理解自身健康记录所带来的潜在收益。