编辑推荐：
本综述聚焦大语言模型（LLMs）在尿石症管理中临床决策支持、患者咨询及教育的作用。11 项研究显示，ChatGPT-4 等在诊断和治疗规划有效，ChatGPT 和 Perplexity 更符合指南，Bing AI 擅长信息传递，但 ChatGPT 共情能力存争议，Claude-3 等可提供准确解答但偶用复杂语言，强调 LLMs 需专家监督作辅助工具。
大语言模型在尿石症管理中的多维度应用与挑战
一、临床决策支持：从诊断到治疗的初步探索
大语言模型（LLMs）在尿石症的临床决策支持领域展现出显著潜力，尤其是 ChatGPT-4 在疾病诊断及初始治疗规划中表现出有效性。研究通过评估模型对欧洲泌尿外科学会（EAU）指南的 adherence 发现，ChatGPT 与 Perplexity 在遵循指南推荐方面优于 Bard。例如，在判断尿石症患者的碎石指征时，ChatGPT-4 能结合结石大小、位置及患者肾功能等参数，给出符合指南的初步治疗建议。然而，模型在复杂病例（如合并尿路感染或解剖异常的患者）中的决策可靠性仍需验证，提示其作为辅助工具需在专家监督下使用。
二、患者咨询：信息传递与共情能力的双重考量
在患者咨询场景中，Bing AI 表现出基于资源的信息整合优势，能系统梳理尿石症的预防措施（如饮水建议、饮食调整）及术后护理要点。但关于 ChatGPT 不同版本的共情能力，现有研究结论存在分歧：部分研究认为其通过语气调整可模拟一定程度的人文关怀，而另一些研究则指出其回应仍显机械，缺乏真实情感共鸣。这一差异可能与模型训练数据的多样性及指令微调策略相关，提示未来需在情感计算领域进一步优化。
三、患者教育：准确性与可及性的平衡
患者教育是尿石症管理的重要环节，Claude-3 和 ChatGPT-4 等模型已能针对患者常见问题（如 “如何降低结石复发风险”）提供准确且结构化的解答。研究显示，其回答的医学准确性达到 82% 以上，但部分内容存在专业术语过度使用的问题，例如使用 “calcium oxalate monohydrate” 而非 “一水草酸钙” 时，可能影响低健康 literacy 患者的理解。对此，研究者建议通过简化语言层级或嵌入可视化摘要（如流程图）提升信息可及性。
四、局限性与未来展望
尽管 LLMs 展现出辅助价值，但其局限性不容忽视：① 医学知识的时效性不足，对 2024 年后新发布的尿石症诊疗共识更新滞后；② 缺乏临床实践经验，无法替代医生对患者个体差异的判断；③ 存在偏见风险，不同模型对同一问题的回答一致性仅为 68%。未来研究方向包括：① 整合真实世界医疗数据（RWD）优化模型训练；② 开发与电子健康记录（EHR）系统联动的实时决策模块；③ 建立多学科专家参与的模型评估体系。
五、总结：定位辅助角色，强调人机协同
本综述表明，LLMs 在尿石症管理中可作为高效的辅助工具，但其应用边界需严格界定 —— 仅用于常规病例的初步筛查、信息支持及教育场景，而复杂诊疗决策必须由临床医生主导。随着模型训练的精细化及与临床工作流的深度整合，未来 LLMs 有望成为提升尿石症诊疗效率的重要手段，但 “人机协同” 模式应始终以保障患者安全为核心。
