编辑推荐：
本研究通过模拟医患交互实验，评估了ChatGPT-4o和ChatGPT-o1pro在乳腺癌门诊分诊场景中的表现。结果显示，LLM（大语言模型）在89%的案例中能准确列出首要诊断，98%的案例包含正确鉴别诊断，92%的分诊建议被评为高度适宜，且未出现危险建议。这为AI（人工智能）在肿瘤科分诊中的临床应用提供了安全性证据。
Abstract
这项研究评估了公开可用的大语言模型（LLM）在乳腺癌临床分诊场景中的诊断准确性和医学适用性。通过标准化模拟患者交互实验，发现ChatGPT-4o和ChatGPT-o1pro能高效完成病史采集、鉴别诊断和分诊建议，为AI辅助肿瘤分诊的可行性提供了实证支持。
Introduction
随着大语言模型（LLM）在医学领域的探索深入，其在通过标准化考试2,3、回答医学咨询4和生成鉴别诊断5,6方面已展现潜力。肿瘤科分诊因涉及癌症特异性并发症（如转移灶、治疗毒性）和非癌性疾病（如上呼吸道感染）的鉴别，对时效性和准确性要求极高。本研究创新性地采用医师模拟患者的方式，首次系统评估LLM在动态医患对话中完成乳腺癌分诊全流程的能力。
Methods
研究设计包含66个涵盖辅助治疗、转移性疾病和生存期随访的典型临床场景，由7名医师分别使用ChatGPT-4o和ChatGPT-o1pro进行重复模拟（共132次交互）。通过优化提示工程（Data Supplement, Table S2），要求LLM依次完成：病史追问→诊断→分诊建议→支持性护理方案。采用3分量表评估各环节质量：1分（高度适宜）、2分（合理但次优）、3分（不适宜/危险）。
关键发现包括：
病史采集环节：97%的问题被评1分，3%因重复获2分
诊断性能：89%案例正确列出首要诊断（如芳香化酶抑制剂相关尿路症状、inavolisib致高血糖）
分诊建议：92%获1分，8%为2分（如建议非紧急随访而非急诊）
支持性护理：86%方案完整，14%缺失部分要素（如止痛药剂量调整）
Results
ChatGPT-4o展现出显著优势：
效率提升：中位5个问题完成诊断（ChatGPT-o1pro需7个，P=0.002）
支持性护理质量更高（93.94% vs 77.27%获1分，P=0.01）
完全避免自动生成虚拟病例的干扰行为
按临床场景分层显示：
早期疾病组：诊断准确率86.36%（两种模型一致）
生存期组：ChatGPT-4o支持性护理1分率达95.46%
转移组：分诊建议适宜性略低（86.36% vs 77.28%）
Discussion
相较于既往LLM模拟患者的研究（准确率67%）9，本研究的突破在于：
首次验证LLM在动态交互中完成癌症特异性分诊的能力
揭示模型可识别治疗毒性（如免疫治疗相关结肠炎）与癌症进展的细微差别
证明其分诊建议安全性（无3分评价）
局限性在于医师模拟可能高估实际患者交互效果。未来需在真实世界验证LLM对不同健康素养人群的适应性，特别是对新型靶向药物（如CDK4/6抑制剂）不良反应的识别能力。
Conclusion
ChatGPT-4o在乳腺癌分诊中展现出与人类医师相当的诊断准确性和临床判断力，其安全性特征支持开展真实世界应用研究。下一步需重点评估LLM在健康素养差异人群中的鲁棒性，以及实时整合最新医学进展的持续学习机制。
生物通 版权所有
