卡内基梅隆大学、亚利桑那州立大学与密歇根州立大学的研究人员联合开发了一种自动化评估方法，用于量化YouTube平台上糖尿病教育视频的可理解性。该研究针对美国80%互联网用户搜索健康信息但健康素养较低的现状，通过结合患者教育材料评估工具(PEMAT)指南与机器学习技术，构建了人机交互增强智能模型。

卡内基梅隆等高校研究首席研究员雷玛·帕德曼指出：“社交媒体平台上的健康信息虽海量，但用户难以验证其准确性或可理解性。我们开发的协同训练模型整合了专家注释与机器学习算法，通过分析近万条糖尿病视频的交互特征，发现可理解性更高的视频观看量、点赞数和评论数显著提升，且更易被专家推荐为患者教育材料。”研究收集了近 10,000 个医学专家审核的YouTube糖尿病视频，采用PEMAT标准与视频特征结合的方式训练分类模型，验证表明其预测准确率优于单一专家评估。这一发现强调了优化视频内容对提升公众健康素养的重要性。

研究团队强调，该方法不仅适用于糖尿病领域，还可扩展至心血管疾病、癌症等慢性病及药物依从性等患者教育场景。联合作者刘晓指出：“当前数字健康技术缺乏可扩展性，未能充分利用社交媒体的健康信息潜力。我们的模型为开发个性化、高参与度的在线健康材料提供了框架。”尽管研究存在PEMAT标准需适配用户生成内容、专家评估可能存在偏见等局限，但其为全球健康信息管理提供了可复制的评估体系，未来或成为改善健康传播效率的关键工具。