编辑推荐：
本推荐聚焦 ChatGPT 与 NASS（北美脊柱外科学会）临床指南在退行性腰椎滑脱（degenerative spondylolisthesis）诊疗中的对比研究。研究评估 ChatGPT 在模拟临床场景下的表现，探讨提示工程、模型微调及开源 LLM（如 LLaMA、DeepSeek）潜力，为 AI 在脊柱外科的临床应用提供参考。
在医疗人工智能（AI）蓬勃发展的当下，脊柱疾病的精准诊疗仍面临诸多挑战。传统临床指南虽为诊疗提供了标准化框架，但如何高效整合海量医学数据、提升决策效率成为亟待解决的问题。近年来，大型语言模型（LLM）如 ChatGPT 展现出强大的信息处理能力，但其在医学领域的可靠性与临床适用性仍存争议。退行性腰椎滑脱作为脊柱外科常见疾病，其诊疗需综合影像学、病史及指南推荐，AI 能否在此过程中辅助临床决策成为重要研究方向。基于此，美国西奈山伊坎医学院（Icahn School of Medicine at Mount Sinai）的研究人员开展了 “ChatGPT 与 NASS 临床指南在退行性腰椎滑脱中的对比分析” 研究，相关成果发表于《European Spine Journal》，旨在评估 ChatGPT 在模拟临床场景中的表现，探索 AI 在脊柱疾病诊疗中的应用潜力与局限。
研究主要采用对比分析方法，将 ChatGPT 的诊疗建议与北美脊柱外科学会（NASS）发布的退行性腰椎滑脱临床指南进行系统性比对。研究未使用高度结构化提示或专业提示工程训练，以模拟临床医生常规使用场景。同时，研究探讨了模型微调（如基于脊柱外科和骨科数据集优化 LLM）及开源 LLM（如 LLaMA、DeepSeek）在提升 AI 准确性与透明度中的潜在价值。
研究结果
1. ChatGPT 的临床表现与提示工程的影响
研究发现，ChatGPT 在退行性腰椎滑脱的诊疗建议中与 NASS 指南存在一定一致性，但在细节准确性与指南 adherence（依从性）方面仍有不足。常规使用场景下的非结构化提示虽贴近临床实际，但可能限制模型性能。研究指出，精细化提示策略或可提升准确性，但需平衡临床实用性，因真实诊疗中时间限制常阻碍复杂提示的应用。
2. 领域特异性模型微调的必要性
由于通用 LLM（如 ChatGPT-3.5、ChatGPT-4.0）未优先纳入医学训练数据，基于脊柱外科数据集的模型微调被证实可增强与指南的一致性，并降低 “幻觉引用”（hallucinated references）风险。然而，该过程需解决数据可及性、代表性、伦理筛选及动态更新等挑战。
3. 开源 LLM 的优势与局限
开源模型（如 LLaMA、DeepSeek）因其可定制性，为研究人员提供了比专有模型更灵活的微调空间，有助于提升算法透明度与协作性。但专有模型凭借强大计算资源，在大规模数据处理能力上仍具显著优势，开源模型短期内难以企及。
4. 多维度优化 AI 临床应用的必要性
研究强调，提升 LLM 在医学中的可靠性需跨学科协作，涵盖提示工程优化、领域数据整合、模型微调及开源技术发展等多方面。单一技术路径难以全面解决临床适用性问题，需构建系统性优化框架。
研究结论与意义
本研究首次系统对比了 ChatGPT 与 NASS 临床指南在退行性腰椎滑脱中的诊疗建议，揭示了 AI 在脊柱外科应用的潜力与关键瓶颈。结果表明，通用 LLM 在缺乏医学领域优化时存在准确性局限，但通过提示工程改进、领域数据微调及开源模型创新，AI 有望成为临床决策的高效辅助工具。研究同时提出，需建立跨学科协作机制，解决数据伦理、模型更新及临床验证等问题，为推动 AI 在循证医学中的规范化应用奠定了基础。该成果不仅为脊柱外科的 AI 辅助诊疗提供了实证依据，也为其他医学领域的 LLM 研究提供了方法论参考，标志着 AI 在精准医疗领域迈出重要一步。
