编辑推荐：
医疗物理领域缺乏 ChatGPT 等大语言模型（LLMs）应用研究。为此，研究人员对澳新医疗物理学家展开调查，发现多数人将 LLMs 用于多任务，效率提升但质量改善有限，且存数据安全等担忧。该研究为行业应用 LLMs 提供重要参考。
在医疗科技飞速发展的今天，人工智能（AI）正以前所未有的速度渗透到各个领域，医疗物理也不例外。大型语言模型（Large Language Models, LLMs）如 ChatGPT 的出现，为医疗行业带来了新的机遇与挑战。然而，尽管 LLMs 在临床决策、影像报告生成等领域展现出潜力，但医疗物理领域关于 ChatGPT 等工具的实际应用情况却一片空白，缺乏针对该群体使用习惯、效果及风险的系统性研究。
在这样的背景下，来自澳大利亚莫纳什健康中心（Monash Health）、彼得?麦卡勒姆癌症中心（Peter MacCallum Cancer Centre）等机构的研究人员，针对澳大利亚和新西兰的医疗物理学家展开了一项开创性调查，旨在填补这一研究空白。该研究成果发表在《Physical and Engineering Sciences in Medicine》，为理解 LLMs 在医疗物理领域的应用现状及未来发展方向提供了重要依据。
研究人员通过澳大利亚和新西兰物理科学家与医学工程师学院（ACPSEM）、澳大利亚医学物理注册机构等渠道，向医疗物理专业人士发放调查问卷。调查采用 Microsoft Forms 平台，内容涵盖角色、经验、LLMs 使用频率、任务类型、数据安全认知等多个维度，共收集到 101 份有效回复。
研究结果
1. 受访者基本特征与 LLMs 使用普及度
86% 的受访者表示至少使用过一次 LLM 平台，其中 59% 专注于放射肿瘤学，24% 从事诊断放射学。角色分布涵盖执业医疗物理学家、培训生、学生及管理层等，体现了样本的多样性。
2. 使用模式与工具选择
尽管 ChatGPT 是主要工具，受访者也使用 Claude、Copilot 等替代平台。使用频率上，多数人每周使用 1 天或更少，但 5-10 年经验组中 35% 的人每周使用 3-5 次。仅有 23% 的受访者使用付费版本，表明免费资源占主导。
3. 任务类型与效能感知
LLMs 被广泛用于专业工作（54%）、教育学习（54%）、编程与技术任务（53%），还涉及研究总结、行政文书等。82% 的受访者认为 LLMs 提升了工作效率，但仅 59% 认可质量改善。在数据授权方面，41% 拒绝平台使用其内容训练模型，40% 表示不确定，反映出对隐私的普遍担忧。
4. 经验与使用频率的关联
经验超过 15 年的群体中，80% 每周使用 LLMs 不足 1 天，而 5-10 年经验组使用更频繁。这一差异可能与不同阶段工作对计算机依赖程度有关，但受样本量限制，需进一步验证。
研究结论与讨论
这项调查首次揭示了澳新医疗物理学家对 LLMs 的广泛应用：从编程辅助到行政流程优化，LLMs 显著提升了日常工作效率，尤其在重复性任务中优势明显。然而，数据安全、患者保密及缺乏行业指南等问题不容忽视。此外，LLMs 的访问权限和定价策略可能对资源不足的地区造成冲击，加剧医疗不平等。
研究强调，医疗物理界需平衡技术创新与风险管控，制定明确的最佳实践指南，加强数据隐私保护与专业培训。尽管 LLMs 无法完全替代人类专业判断，但其在提升效率、辅助决策中的价值已毋庸置疑。未来，需通过跨学科合作与政策研究，推动 LLMs 在医疗物理领域的安全、合规应用，确保技术红利惠及更广泛的人群。
该研究不仅为医疗物理行业提供了 LLMs 应用的实证数据，也为全球范围内相关领域的技术整合与规范制定提供了参考范本，标志着人工智能在医疗专业领域的探索迈出了重要一步。
