大型语言模型(LLM)与医师撰写出院小结的对比研究：质量、安全性与临床辅助潜力

为解决临床文档负担与出院小结质量平衡问题，来自加州大学旧金山分校的研究人员开展了一项横断面研究，对比大型语言模型(LLM)与医师生成的出院小结叙事质量。结果显示：LLM生成文本在整体质量(3.67 vs 3.77, P=0.21)和审阅者偏好(χ2=5.2, P=0.27)上与医师相当，虽错误率较高(2.91 vs 1.82/篇)，但潜在危害评分均<1(0.84 vs 0.36)，证实LLM辅助临床文档的可行性。

　　

这项发表在《美国医学会杂志》上的研究犹如一场"人机写作大赛"，科学家们让大型语言模型(LLM)和资深住院医师同台竞技，各自为100份住院病历(2019-2022年)撰写出院小结。22位"裁判"医师蒙着眼睛(盲法评估)给双方作品打分，结果令人惊喜又带点小意外。

在5分制评分中，AI选手以3.67分紧咬人类选手的3.77分(P=0.21)，就像两个学霸的期末成绩难分伯仲。AI写的摘要更像个干练的秘书——文字简洁(4.01 vs 3.70, P<0.001)、条理清晰(4.16 vs 4.01, P=0.02)，但偶尔会漏掉些细节(全面性3.72 vs 4.13)。不过它也有"马虎"的时候，平均每篇比人类多犯1个错(2.91 vs 1.82)，好在这些错误就像门诊的小擦伤——根据医疗安全(AHRQ)7分量表评估，AI和人类的单个错误危害度都是1.35分，最严重的错误也仅相当于"可能造成永久伤害"(≥4分的错误：AI 6处 vs 人类5处)。

研究者们眨着眼睛说：看来让AI当住院医的"智能速记员"挺靠谱！只要人类医师最后把关，这些会"码字"的算法说不定能帮白衣战士们从文书海洋里探出头喘口气。毕竟在医疗这个性命攸关的领域，人机协作才是王道——就像手术台上的主刀和助手，各展所长才能创造最佳疗效。