本地运行大型语言模型在阻塞性睡眠呼吸暂停诊断与治疗中的真实世界多导睡眠图研究

本文首次评估了本地运行的大型语言模型（LLM）在真实世界多导睡眠图（PSG）数据解读中的表现，对比Gemma2、Llama3和Mistral Nemo三种模型与认证睡眠医师的诊断一致性。研究发现，模型在自动气道正压（aPAP）治疗推荐上表现较佳（最高90%吻合率），但OSA严重程度分类准确率仅33%-50%，提示本地LLM虽规避数据安全风险，仍需优化方能投入临床实践。

　　

Abstract

睡眠医学作为高资源消耗领域，本地运行的大型语言模型（LLM）因其数据安全性成为临床应用的潜在解决方案。本研究首次针对Gemma2、Llama3和Mistral Nemo三种本地LLM在真实世界多导睡眠图（PSG）数据解读中的表现进行系统评估。

Introduction

全球阻塞性睡眠呼吸暂停（OSA）患病率上升加剧了睡眠医学资源压力。尽管基于网络的大型语言模型（如ChatGPT-4o）在合成PSG数据分析中展现出97%的诊断一致性，但其数据隐私问题限制了临床应用。本研究聚焦本地部署的LLM，通过真实世界PSG数据（而非模拟数据）评估其诊断与治疗推荐能力。

Materials and Methods

研究纳入30例疑似OSA患者（男性18例，平均年龄50.5±11.1岁，平均AHI 30.9±23.8/h），PSG结果以结构化PDF格式（含63项参数）输入本地LLM。模型运行于标准笔记本电脑（16GB RAM），通过标准化提示词获取诊断（无/轻/中/重度OSA）和治疗建议（如自动气道正压aPAP）。结果与认证睡眠医师的评估进行二元对比。

Results

诊断性能：Llama3对OSA严重程度分类准确率最高（50%），Gemma2最低（33%）。值得注意的是，Gemma2将90%患者误判为"中度OSA"，而Mistral Nemo则过度诊断"重度OSA"（70%病例）。

治疗推荐：aPAP建议吻合率显著优于诊断，Mistral Nemo达90%，但所有模型均遗漏医师23%病例建议的"减重"辅助治疗。在AHI数值提取任务中，Gemma2表现最佳（100%准确）。

优化尝试：添加OSA严重程度定义（AHI 5-15/h为轻度等）仅使Mistral Nemo诊断准确率提升至70%，简化数据呈现形式未改善结果。

Discussion

与网络版ChatGPT-4o在合成数据中的优异表现相比，本地LLM当前性能存在明显差距，可能源于：1) 模型体积限制（≤5GB）；2) 缺乏睡眠医学领域微调；3) 德语PDF文件解析难度。尽管存在不足，模型在aPAP推荐方面展现临床价值——Mistral Nemo甚至正确排除了1例AHI<5/h患者的治疗建议，体现其决策潜力。

研究同时指出监管挑战：根据欧盟医疗器械法规（MDR），此类诊断辅助软件需满足高风险设备要求，包括临床验证和持续监测。未来需通过多语言训练、输入标准化和领域适配微调提升性能。

Conclusion

本地运行LLM初步证明可解析真实PSG数据，但当前诊断准确率（33-50%）尚未达到临床实用标准。在确保数据安全的前提下，未来需扩大样本量、优化模型架构，方能在睡眠医学中实现可靠辅助决策。

（注：全文严格依据原文数据，未添加非文献支持内容；专业术语如AHI、aPAP等均按原文格式保留大小写及缩写）