编辑推荐：
为探究 ChatGPT 能否依据临床实践指南为足底筋膜炎（PF）管理提供有效建议，研究人员评估了 ChatGPT-4o 和 ChatGPT-4 Turbo 在准确性、一致性等多维度的表现。结果显示二者表现出色但存在差异，该研究为临床应用提供参考。
在日常生活中，不少人都被足底疼痛所困扰，其中很大一部分原因就是足底筋膜炎（Plantar Fasciitis，PF）。这一病症影响着 4 - 7% 的人群 ，每年仅在美国就有超过 100 万患者就诊。它不仅会降低患者的行动能力和足部功能，还会影响工作，严重降低生活质量。虽然多数情况下足底筋膜炎具有自限性，但仍有相当一部分患者会在半年到 15 年以上的时间里持续受到症状的折磨。
为了规范足底筋膜炎的临床诊疗，相关机构制定了一系列指南，其中美国物理治疗协会（APTA）的指南尤为重要，推荐物理治疗作为主要的核心管理手段。然而，初级保健医生在日常工作中，很难快速找到简洁、可靠且全面的最新诊疗标准，这使得做出准确及时的临床决策变得颇具挑战。
随着人工智能（Artificial Intelligence，AI）的发展，大语言模型（Large Language Models，LLMs）展现出巨大的潜力。ChatGenerative Pre-trained Transformer（ChatGPT）作为应用广泛的大语言模型，能否为足底筋膜炎的管理提供符合临床指南的建议，成为了研究的热点。此前针对 ChatGPT 在医疗领域的研究虽有不少，但专门针对足底筋膜炎管理的评估却尚未出现。
基于此背景，首都医科大学附属北京朝阳医院骨科的研究人员开展了一项研究 ，旨在测试 ChatGPT 在生成符合 APTA 临床实践指南的足底筋膜炎管理建议方面的多维表现。该研究成果发表在《Journal of Orthopaedic Surgery and Research》杂志上。
研究人员采用了多种关键技术方法。首先，从 2023 年 APTA 指南中选取 19 条推荐内容，重新设计为 21 个问题作为标准化基准。随后，选用 ChatGPT-4 的两个版本 ChatGPT-4o 和 ChatGPT-4 Turbo 进行测试，每个问题重复提问 3 次并记录回答。最后，由两位经验丰富的骨科医生依据准确性、一致性、自我认知、编造与伪造这四个维度，使用五点李克特量表对回答进行独立评分 。
在研究结果部分：
- 总体表现：两位评估者之间的一致性为中等到良好。ChatGPT-4o 和 ChatGPT-4 Turbo 在各维度上表现均佳，平均得分均大于 4 分，且二者在所有维度上无统计学差异。仅有两个不满意的回答，分别由 ChatGPT-4o 和 ChatGPT-4 Turbo 生成，均与 PF 干预主题相关。
- 亚组分析：在提示策略方面，封闭式问题的回答在一致性、自我认知和编造与伪造维度上优于开放式问题；在推荐类型上，封闭式问题中，积极推荐的回答在四个维度上均优于消极推荐；在推荐强度方面，除编造与伪造维度外，不同推荐强度亚组间无显著差异。
研究结论表明，ChatGPT-4o 和 ChatGPT-4 Turbo 在生成符合足底筋膜炎管理临床指南的建议方面，表现相当且出色。然而，它们在不同提示策略、推荐等级和推荐类型下的表现存在差异。
在讨论部分，研究人员进一步分析了这些差异。对于不同提示策略，开放式问题的复杂性使得 LLMs 表现较差，可能与 “幻觉” 现象有关；推荐等级方面，LLM 训练数据来源不明以及 “黑箱” 特性，导致推荐等级对 ChatGPT 回答的影响不明确；推荐类型上，生成消极推荐可能需要更复杂的逻辑，目前这一现象的原因尚不明确，可能与样本量小导致的选择偏倚有关。
该研究意义重大，它首次全面评估了 ChatGPT 在足底筋膜炎管理建议生成方面的表现，为临床医生在参考人工智能提供的医疗建议时提供了有价值的参考。同时也指出了 ChatGPT 在应用于医疗领域时存在的问题，为后续改进和优化大语言模型，以及更合理地将其应用于临床实践奠定了基础。不过，研究也存在一定局限性，如模型、评估者和问题数量有限，且仅基于 APTA 物理治疗指南，未来还需要更多研究进行完善。
