综述：生成式人工智能在临床运动生理学中的承诺与风险：一项指导其伦理和实践应用的叙事性综述

这篇综述深入探讨了生成式人工智能(GenAI)在临床运动生理学(CEP)领域的应用前景与伦理挑战。文章系统梳理了GenAI在个性化运动处方、虚拟康复和行为干预中的潜力，同时警示了数据偏见、隐私安全及人际治疗关系弱化等风险。作者团队提出需建立跨学科指南框架，平衡技术创新与临床实践的人本核心，为CEP专业人员提供了兼顾AI赋能与伦理考量的实践路线图。

　　

生成式人工智能的革命浪潮正席卷医疗健康领域，临床运动生理学作为新兴应用场景展现出独特机遇与挑战。这项叙事性综述通过多维度分析，勾勒出GenAI技术如何重塑运动干预的未来图景。

人工智能与医疗健康融合新纪元
从1951年图灵提出"机器能否思考"的哲学命题，到如今ChatGPT-4等大语言模型(LLM)的医疗应用，人工智能(AI)已完成从理论构想向临床工具的蜕变。生成式AI(GenAI)凭借其内容创造能力，在运动处方生成、健康数据分析等领域表现突出，但美国成人调查显示71%受访者对其医疗信息可靠性存疑。

临床运动生理学的AI赋能场景
循证研究揭示GenAI在CEP实践中的三大应用方向：

1. 个性化运动编程：通过分析多模态健康数据生成定制方案，但ACSM指南对比显示当前AI处方仅达41.2%完整性和90.7%准确性
2. 虚拟康复支持：AI聊天机器人可提供7×24小时运动督导，Masagca试验证实其改善柔韧性和肌耐力效果达人类教练水平的83%
3. 临床决策辅助：自动转录问诊记录使文档效率提升300%，但Dergaa研究发现其对多病共存患者的风险评估存在15%偏差

技术应用的暗礁与险滩
临床整合面临三重挑战：

• 数据质量困境：皮肤癌检测AI对深色皮肤误诊率高达34%，反映训练数据集代表性不足
• 伦理悖论：78%患者担忧AI削弱治疗关系，尤其智力障碍群体更依赖人际互动
• 监管真空：相比放射科已有RANZCR伦理指南，CEP领域尚未建立AI应用标准

通向负责任的AI实践路径
作者提出四维解决方案框架：

1. 教育革新：将AI伦理纳入CEP学历教育，参考TEQSA高等教育标准
2. 技术改良：开发包含文化、基因等多元参数的合成健康数据(synthetic health data)系统
3. 临床守则：明确AI仅作为B类辅助工具，最终决策权保留给认证运动生理师(AEP)
4. 研究优先：亟需开展AI处方与人类处方的RCT对照研究，重点关注2型糖尿病等复杂病例

这场人机协作的医疗变革中，保持"科技向善"的平衡至关重要。正如作者强调，GenAI应当成为临床运动生理师的智能听诊器，而非替代其专业判断的自主系统。未来研究需聚焦算法透明度提升和跨文化适应性优化，方能使技术真正服务于全民健康公平。