ChatGPT 用于轻度创伤性脑损伤临床决策：潜力与局限并存

为评估 ChatGPT 对轻度创伤性脑损伤（TBI）临床决策的辅助作用，研究发现其有潜力但存局限，意义重大。

　　### 研究背景
在全球范围内，创伤性脑损伤（Traumatic Brain Injury，TBI）是导致残疾和死亡的重要原因。在美国，每年约有 250 万例与 TBI 相关的急诊科（Emergency Department，ED）就诊案例，其中高达 75% 被归类为轻度 TBI。别看是 “轻度”，它带来的影响可不小。在急性期，患者可能会出现头痛、头晕、疲劳、烦躁、注意力不集中等症状；长期来看，部分患者还会有认知功能障碍，比如执行功能受损。而且，TBI 尤其是儿童患者的身体症状往往很隐匿，容易被忽视，导致人们低估了这种疾病的真实负担。

在急诊科，多数 TBI 患者首次接受评估，但这里的诊断错误率估计在 5.7 - 14%。轻度 TBI 的症状不明显，很容易造成漏诊，影响患者及时获得恰当的治疗。虽然多数轻度 TBI 患者有望康复且不留下长期残疾，但恢复时间延长的情况并不少见。因此，解决急诊科的诊断难题，对降低并发症风险、确保患者得到合适的后续治疗至关重要。

目前，常用风险评分和临床决策支持系统（如在线平台 UpToDate）辅助决策。不过，人工智能（Artificial Intelligence，AI）的发展为改善临床工作流程带来新机遇。OpenAI 的 ChatGPT 因能处理复杂医学信息并快速给出回复，受到广泛关注。不少研究探索了 ChatGPT 在医学领域的应用，比如解读影像学研究、生成患者教育材料、辅助诊断推理等。但它的可靠性也引发担忧，关键错误可能会影响患者的治疗结果。

基于此，研究人员开展了一项研究，评估 GPT-4 在轻度 TBI 病例中支持临床决策的能力，研究成果发表在《BMC Emergency Medicine》上。这项研究意义重大，如果能明确 ChatGPT 在轻度 TBI 临床决策中的作用，将为临床医生提供新的辅助工具，改善患者的治疗效果。

研究方法

该研究于 2024 年 3 月 14 日至 5 月 1 日进行，由于未使用患者数据，所以无需伦理审批。研究人员从 PubMed Central 中筛选出 17 例轻度 TBI 病例，这些病例是通过搜索 “minor head injury [Title] OR minor head injury [Title] AND emergency [Title/Abstract]”，并筛选英文病例报告得到的。2024 年 4 月 11 日至 20 日，研究人员使用 GPT-4（2024 年 3 月 21 日版本）对每个病例进行分析，具体操作是由一名研究人员上传每个病例的摘要，并向 ChatGPT 提出 “What do you think about this case?” 的问题，记录回复用于后续评估。

为确保评估的专业性，研究邀请了 4 名来自土耳其、获得土耳其医学委员会认证的急诊医学专家作为评估人员。这些专家都是有 5 - 10 年急诊医学经验的主治医师，排除了实习生和住院医师。

为减少潜在偏差，研究人员手动随机排列问题和 ChatGPT 生成的答案，打乱顺序后发送给评估人员。评估人员在不知情的情况下对回复进行评估，他们通过 Google 文档接收随机化的问题和答案，独立进行评估且不知道其他评估人员的评价结果。

评估从三个方面进行：一是理解难度，评估人员根据专业判断，用 7 分制李克特量表从 1（强烈不同意）到 7（强烈同意）对回复的清晰度进行评分；二是科学合理性，评估回复是否符合循证医学指南，能否准确处理临床场景，判断信息是否正确、完整，是否与轻度 TBI 管理的既定临床实践一致；三是满意度，评估回复在指导临床护理方面的整体有用性，即评估人员是否有信心依据回复做出临床决策。研究还对关键错误进行了定义，关键错误是指可能导致严重发病率或死亡率的错误建议或遗漏，比如遗漏影像学检查的指征、推荐不必要的干预措施、忽视表明严重并发症的症状等。

此外，研究人员使用 Flesch Reading Ease 评分和 Flesch-Kincaid Grade Level 工具评估 ChatGPT 回复的可读性，用 SPSS 21 进行数据分析，通过 Kolmogorov-Smirnov 检验评估数据分布的正态性，根据数据情况选择合适的统计检验方法，设定统计学显著性为 p<0.05。

研究结果

• 回复评估：17 例轻度 TBI 病例分析完成后，ChatGPT 的回复接受了评估。结果显示，有 5 个回复（29.4%）存在关键错误。在理解难度方面，存在关键错误的回复平均得分为 5.1 ± 1.2，无关键错误的回复平均得分为 5.6 ± 1.1，两者差异无统计学意义（p=0.133）；科学合理性方面，存在关键错误的回复平均得分显著低于无关键错误的回复（4.2 ± 1.3 vs 6.1 ± 0.9，p<0.001）；满意度方面，存在关键错误的回复平均得分也明显低于无关键错误的回复（3.9 ± 1.5 vs 5.8±1.0，p<0.001）。
• 可读性分析：ChatGPT 回复的可读性比病例描述更具挑战性。Flesch Reading Ease 评分显示，ChatGPT 回复得分为 35.4 ± 5.6，属于 “困难” 级别，而病例描述得分为 56.8 ± 7.2，属于 “较困难” 级别（p<0.001）；Flesch-Kincaid Grade Level 结果表明，ChatGPT 回复的平均等级为 11.5 ± 1.2，病例描述为 8.2 ± 1.5（p<0.001）。
• 关键错误案例：以病例 3 为例，一个幼儿从 50 厘米高处摔倒后出现左上肢活动障碍，症状逐渐加重，无法抓握物体，既往有多次保姆肘病史。ChatGPT 的回复主要关注潜在创伤性损伤，如骨折、脱位，强调影像学检查和神经系统检查的必要性，提到了神经损伤，但未考虑到严重的潜在神经系统事件，如中风，而该病例的表现强烈提示这种可能性。这一遗漏属于关键错误，可能导致因未能及时干预而使病情恶化。

研究结论与讨论

综合来看，这项研究评估了 ChatGPT 用于轻度 TBI 临床决策的利弊。基于专家评估，ChatGPT 在科学合理性和可理解性方面，可能适用于轻度头部创伤的管理。但部分病例中出现的关键错误凸显了其局限性，这些错误降低了回复的科学性和评估人员的满意度。而且，ChatGPT 回复的可读性较差，这对忙碌的急诊科临床医生来说是个挑战。

从应用角度看，ChatGPT 理论上可以辅助急诊科临床医生。对于遵循既定协议的简单病例，它能整合循证医学指南，简化决策过程；对于经验不足的医生，它可作为知识资源，实时提供最佳实践的结构化总结，弥补知识差距；它还能协助生成简化的出院说明，解决复杂医学信息难以转化为通俗易懂语言的问题。不过，ChatGPT 不能独立作为决策者，因其在处理复杂病例时存在局限性且容易出现关键错误，需要医疗专业人员密切监督。同时，提高其输出内容的可读性和可及性，能增强它在临床环境中的实用性。

此外，将 ChatGPT 等 AI 系统整合到临床实践中，还引发了一系列伦理问题，如算法偏见、问责制、透明度、隐私以及对医患关系的潜在影响等，需要谨慎考虑并妥善解决。

总体而言，ChatGPT 在轻度 TBI 临床决策中展现出一定潜力，但目前还存在诸多不足。后续需要进一步研究和改进，以更好地将其应用于临床护理，尤其是在时间紧迫、决策准确性要求高的急诊科。