ChatGPT-4o在膝关节前交叉韧带重建与肩袖修复术后临床图像评估中的应用价值

本研究针对骨科术后患者沟通需求激增的现状，首次评估ChatGPT-4o对ACLR（前交叉韧带重建）和RCR（肩袖修复）术后模拟临床图像及常见问题的应答能力。结果显示其18.8%-75%的图像评估和4.5%-77.3%的问答获评"优秀"，证实AI可辅助生成初步医疗建议，为数字化医患沟通提供新思路。

　　

在数字化医疗迅猛发展的今天，骨科术后患者通过门户消息系统咨询的问题数量激增——COVID-19疫情期间这类沟通暴增157%。尽管远程医疗能改善某些临床指标（如2型糖尿病患者的A1C水平），但海量的术后咨询也给医疗团队带来沉重负担。尤其值得注意的是，资源匮乏地区患者对出院指导的理解度普遍不足。在此背景下，以ChatGPT为代表的大型语言模型(LLM)因其拟人化的文本生成能力，被视为优化医患沟通的潜在工具。

随着ChatGPT升级至4o版本，其新增的图像解析功能引发学界关注。虽然前期研究表明ChatGPT能准确回答骨科常见手术相关问题，但对其临床图像评估能力的研究尚属空白。为此，研究人员开展了一项创新性研究，旨在评估ChatGPT-4o对膝关节前交叉韧带重建(ACLR)和肩袖修复(RCR)术后模拟临床照片的解读能力，以及回答相关常见问题的准确性。该成果发表于《Arthroscopy, Sports Medicine, and Rehabilitation》。

研究团队采用人工染料和敷料制作了16组模拟术后膝关节/肩部照片，这些包含不同肤色、红斑程度和出血模式的图像均未参与过ChatGPT训练。同时通过梳理权威机构"常见问题"板块，筛选出22个代表性临床问题。所有素材通过独立聊天窗口输入ChatGPT-4o（2024年7月15日版本），由4名资深骨科医生、3名医师助理(PA)和5名住院医师采用Mika等人建立的4分量表进行盲评。

主要技术方法

1. 模拟临床图像构建：人工创建16组包含不同肤色、敷料类型和伤口特征的术后模拟图像
2. 问题库开发：基于权威机构FAQ筛选22个ACLR/RCR术后典型问题
3. AI应答评估：采用独立聊天窗口避免交叉干扰，使用4分量表（1=优秀无需澄清，4=不满意）
4. 统计分析：计算组内相关系数(ICC)，采用广义估计方程(GEE)比较不同级别评估者的差异

研究结果
Mock post-operative clinical photos

• 图像评估一致性：资深医生组ICC最高（平均0.63），住院医师组最低（平均0.37）
• 评分分布：优秀率18.8%-75%，不满意率0%-25%，其中2张照片获全体"优秀"，2张出现"不满意"评价
• 评估差异：资深医生评分显著严于PA(p<0.001)和住院医师(p=0.001)

RCR and ACLR questions

• 问题回答一致性：资深医生组ICC仅0.17，住院医师组出现负值(-0.39)
• 评分分布：优秀率4.5%-77.3%，仅1名资深医生给出9.1%的"不满意"评价
• 质量波动：优秀评价比例16.7%-66.7%，2个问题的回答被部分评为"不满意"

讨论与结论
该研究首次证实ChatGPT-4o能对简单术后图像做出合格评估，其回答ACLR/RCR问题的表现与既往研究一致。尽管不同评估者间存在显著差异（尤其对图像评估），但平均评分介于"优秀"至"需适度澄清"之间，表明其具备辅助起草医患沟通回复的潜力。值得注意的是，AI对模拟伤口普遍持"乐观"态度，可能低估真实临床中的复杂情况。

与专门用于图像分析的卷积神经网络(CNN)相比，LLM在空间信息处理方面存在固有局限。研究同时指出，当前ChatGPT-4o尚不能提供完全可靠的独立医疗建议，主要受限于：训练数据质量不可控、逻辑解释能力欠缺，以及可能产生看似合理实则错误的"幻觉"回答。

这项研究为AI在骨科术后管理中的应用提供了重要基线数据。虽然结果显示现有技术仍需人工复核，但LLM在提升回复质量、减轻医护负担方面的价值已得到初步验证。随着Google Gemini等新型AI的涌现，未来或可实现更精准的医疗图像分析，但当前阶段仍需严格把控数据隐私和HIPAA合规性问题。该成果为数字化医疗时代优化医患沟通模式开辟了新路径。