人工智能临床决策支持系统AURA：开创性提升整形外科循证实践

为解决整形外科临床决策中文献检索效率低下的问题，研究人员开发了首个基于检索增强生成技术(RAG)的AI临床决策支持系统AURA。该系统整合6,546篇开放获取文献，在14类复杂临床场景测试中展现出卓越性能（忠实度0.94/相关度0.86），为整形外科医师提供高效精准的循证决策支持。

　　

这项研究突破性地将检索增强生成技术(Retrieval-Augmented Generation, RAG)应用于整形外科领域，构建了名为AURA的人工智能临床决策支持系统(Clinical Decision Support System, CDSS)。该系统整合了2001年至2024年间6,546篇开放获取的整形外科全文文献，通过大语言模型(LLM)实现智能文献检索与证据合成。

在测试阶段，研究人员设置了14个涵盖面部年轻化、体型雕塑、乳房手术等典型临床场景的复杂案例。评估体系创新性地采用多维度指标：证据忠实度(Faithfulness, 0-1)、答案相关度(Answer Relevancy, 0-1)、G-Eval正确性评分(0-1)，以及语义评估模型(Semantic Evaluation Model, SEM)的质量分数(0.73)和最大相似度(0.80)。值得注意的是，系统对成熟术式和安全规范的响应准确率显著高于需要对比分析的新兴技术。

该成果标志着整形外科正式迈入AI辅助决策时代，其0.94的文献忠实度和0.77的事实正确性评分，证实了RAG技术在专科医学知识整合中的可靠性。未来升级方向包括拓展知识库覆盖范围、开展前瞻性临床验证，并通过可视化原始证据呈现方式，实现AI决策与外科专家经验的有机互补。