ChatGPT在药物不良反应系统评价中的搜索策略优化：错误检测与关键词生成的效用评估

本研究针对药物不良反应(Adverse Drug Events, ADEs)系统评价中搜索策略构建的专业性难题，创新性评估了ChatGPT(GPT-4)在识别遗漏错误和生成补充关键词方面的效能。通过分析16组含人为错误的PubMed搜索策略，发现ChatGPT能100%识别错误，并通过语义匹配生成71%相关关键词，为提升证据合成效率提供了AI辅助新思路。

　　

在医疗决策中，准确评估药物不良反应(ADEs)至关重要，但现有系统评价方法面临巨大挑战。一方面，ADE术语存在高度异质性，如"药物毒性"与"治疗失败"等表述差异显著；另一方面，相关研究常分散在观察性数据中，传统搜索策略易遗漏关键证据。更棘手的是，2023年一项关于加巴喷丁的研究揭示，现有评价竟无一篇遵循国际药物危害评估指南。这种证据缺口直接导致临床决策不确定性，凸显开发智能化辅助工具的紧迫性。

《Computers in Biology and Medicine》最新刊载的研究对此展开突破性探索。研究团队创新性地将ChatGPT(GPT-4)引入系统评价的初始环节，设计双阶段实验：首先从10种高影响因子期刊筛选16组含人为错误的搜索策略（2013-2023年），随后评估AI在错误识别和关键词补充方面的表现。关键技术包括基于加拿大药物管理局(CADTH)标准构建评估框架、采用Jaccard相似度量化关键词匹配度，以及区分严格匹配与语义匹配两种分析维度。

研究结果呈现三大发现：

1. 错误检测能力：ChatGPT展现出完美的敏感性，100%识别出所有故意引入的观察性研究术语（如"队列研究"）和ADE关键词（如"药物安全"）遗漏错误。更值得注意的是，面对完整策略时，AI能准确判断无遗漏并主动建议扩展词库。

2. 关键词生成特征：通过词云可视化分析发现，AI不仅复原了49%的原始遗漏词（严格匹配），更生成79个新颖ADE术语如"上市后监测"。语义匹配将相关性提升至71%，特别是将"毒性反应"与"药物毒性"等近义词智能关联。

3. 量化比较差异：Jaccard相似度分析揭示，AI对观察性研究术语的匹配度(0.32)显著高于ADE术语(0.12)，这与ADE术语天然的多样性特征相符。 Wilcoxon检验证实两类关键词的生成质量存在统计学差异(p<0.001)。

讨论部分强调这项研究的双重价值：方法学上，首次证实LLM在系统评价早期阶段的实用价值，特别是语义扩展能力可弥补人工检索盲区；临床上，为解决ADE证据合成中的"术语碎片化"难题提供了智能方案。研究同时指出关键局限，如需要专家监督防止AI生成虚假MeSH词。

该研究创新性提出"人机协同"工作流建议：研究者主导策略设计，ChatGPT负责术语扩展和错误校验，这种分工使系统评价耗时从传统12-18个月显著缩短。作为AI辅助证据合成的里程碑式探索，该研究为即将到来的PRISMA-Harms 2022等国际标准实施提供了关键技术支撑，标志着药物安全评估进入智能化新纪元。