肥胖合并哮喘的临床管理现状：基于大语言模型的17000余次诊疗记录分析

《The Journal of Allergy and Clinical Immunology: In Practice》：Management of patients with comorbid asthma and obesity: A large language model evaluation of clinical documentation

【编者推荐】为解决哮喘合并肥胖患者体重管理在临床实践中的整合不足问题，研究者利用GPT-4o大语言模型分析了17,658次门诊记录。结果显示仅12.6%的诊疗将肥胖管理纳入哮喘护理，且专科执行率（11.0%）显著高于初级诊疗（1.6%）。该研究揭示了指南与实践的差距，为优化哮喘个体化治疗提供了数据驱动的新视角。

　　

在呼吸系统疾病中，哮喘（asthma）作为一种常见的慢性炎症性疾病，长期困扰着全球数亿患者。而随着现代生活方式的改变，肥胖（obesity）的全球流行趋势日益严峻，这两种疾病的交集逐渐引起临床医生的高度关注。大量研究已证实，肥胖不仅是哮喘发病的独立危险因素，还会加重哮喘症状、降低药物治疗反应性，形成复杂的“肥胖型哮喘”（obese asthma）表型。面对这一挑战，国际哮喘防治指南明确将体重减轻列为肥胖合并哮喘患者综合管理的重要组成部分。然而，指南的推荐是否真正落地到日常诊疗实践中？不同专业的医生在面对这类患者时，是否会主动将体重管理纳入哮喘护理方案？这些问题的答案，对于改善患者预后、提高医疗质量至关重要，却始终缺乏大规模的现实世界证据。

为了填补这一知识空白，由Oluwatobi Olayiwola、Zixuan Yang、David Stein、Liqin Wang和Dinah Foer组成的研究团队，开展了一项基于真实世界临床数据的大规模回顾性研究。他们的研究成果发表在过敏与临床免疫学领域的权威期刊《The Journal of Allergy and Clinical Immunology: In Practice》上。研究团队创新性地利用先进的人工智能技术，对超过1.7万次门诊诊疗记录进行了深度分析，旨在客观评估体重管理在哮喘合并肥胖患者常规护理中的整合情况，并深入探索影响这种整合实践的关键因素。

本研究的技术核心在于运用了最新一代的大语言模型（Large Language Model, LLM）GPT-4o。研究人员从一家大型医疗系统的电子健康记录（EHR）中，提取了2020年1月1日至2023年9月30日期间的所有门诊就诊记录。纳入标准为：患者确诊患有哮喘和肥胖，就诊科室为初级保健、过敏/免疫科或肺科，且该次就诊的主要诊断为哮喘。通过对这些海量非结构化的文本数据进行自动化分析，GPT-4o被用于评估文档中是否包含四个关键维度内容：哮喘的常规管理、肥胖的独立管理、肥胖管理与哮喘护理的整合情况、以及具体的体重管理策略（如饮食、运动咨询等）。为了确保人工智能评估的准确性，研究还辅以了人工图表审查进行验证。

结果

哮喘与肥胖管理的整合率普遍偏低

分析共纳入17,658次符合条件的门诊 encounters（涉及8,992名患者）。结果显示，尽管所有患者都同时患有哮喘和肥胖，但仅有12.6%的诊疗记录显示出将肥胖管理作为哮喘护理一部分的明确证据。这一数据清晰地表明，临床指南的推荐与日常诊疗实践之间存在巨大的鸿沟。

专科护理的整合率显著高于初级保健

进一步的分层分析揭示了不同医疗专业之间的显著差异。在过敏/免疫科和肺科等专科诊疗中，肥胖管理与哮喘护理的整合率为11.0%。相比之下，作为患者健康守门人的初级保健（primary care）场所，这一比例低至1.6%。这一反差提示，专科医生可能对肥胖在哮喘病理生理中的作用有更深刻的认识，或在处理复杂病例时更倾向于采取多维度的综合干预策略。

患者与诊疗特征影响整合实践

通过多变量逻辑回归模型，研究识别出了一系列与“整合性诊疗”显著相关的 encounter-level 预测因子。研究发现，男性患者、中年患者、体重指数（Body Mass Index, BMI）更高的患者、教育程度较高的患者，以及在肺科就诊的患者，其诊疗记录中出现肥胖管理与哮喘护理整合的几率更高。一个有趣的发现是，口服糖皮质激素（oral steroid）的使用反而降低了这种整合的几率，这可能暗示对于急性症状更重、需要全身激素治疗的患者，医生的注意力可能更集中于急性期症状控制，而忽略了长期的体重管理。

体重管理策略存在专科差异

在那些确实讨论了体重管理的诊疗中，其推荐的策略也因专科不同而有所侧重。尽管运动指导和一般的体重咨询是各专科最常提及的共通策略，但具体的干预重点仍显示出专科特性。例如，营养咨询或转诊至营养师的比例在不同科室间可能存在差异。这种差异反映了不同专业背景的医生其知识结构和临床习惯的偏好。

GPT-4o展现出强大的自然语言处理性能

作为方法学上的重要验证，通过抽样进行的人工图表复核确认，GPT-4o在自动化提取和分类临床文档中复杂信息方面表现出强劲且可靠的性能（robust performance）。这为未来利用大语言模型高效分析海量真实世界临床文本数据，以进行医疗质量审计和临床研究奠定了基础。

结论与讨论

本研究通过大语言模型GPT-4o对大规模真实世界临床文档的分析，揭示了一个严峻的现实：尽管国际指南强烈推荐，但对于同时患有哮喘和肥胖的患者，体重管理在常规哮喘护理中并未得到有效整合，整体实施率极低（12.6%）。研究不仅量化了这一“指南-实践”差距（guideline-practice gap），还深入揭示了其在不同医疗场景（初级保健 vs. 专科护理）和不同患者群体（如性别、年龄、BMI、教育水平）中的不均衡分布。

这一发现具有重要的临床和公共卫生意义。首先，它明确指出当前哮喘管理中存在一个可改进的质量缺口。对于数量庞大的肥胖合并哮喘患者而言，体重管理的缺失可能意味着他们无法获得基于指南的最佳护理，从而影响了哮喘症状的控制和远期预后。其次，研究识别出的差异（如初级保健整合率显著偏低）提示，未来的质量改进干预需要更具针对性，例如加强对初级保健医生在该领域的教育和支持，建立更有效的跨专科协作转诊机制。此外，研究证实了大语言模型作为一种高效、可靠的工具，应用于临床实践审计和真实世界研究的巨大潜力，为后续研究提供了方法学借鉴。

总之，这项研究不仅敲响了警钟，提醒临床工作者关注肥胖合并哮喘患者综合管理的不足，更重要的是，它通过数据驱动的方式指明了切实可行的改进方向。推动体重管理在哮喘护理中的常规化整合，将是提升这一特定患者群体诊疗质量、改善其长期健康结局的关键一步。