人工智能聊天机器人在嗓音障碍类型鉴别诊断中的效能评估：模型构建与验证

为解决AI聊天机器人在嗓音障碍鉴别诊断中的可靠性问题，研究人员开展ChatGPT与Perplexity AI对器质性、功能性及神经性嗓音障碍的诊断效能研究。结果显示，Perplexity AI与专家诊断的Kappa一致性无统计学意义（实验1 P=0.773；实验2 P=0.067），表明当前AI模型尚不适用于临床。该研究为AI在喉科的应用边界提供重要参考。

　　

嗓音障碍（Dysphonia）的精准诊断一直是喉科临床的挑战。传统依赖喉镜检查（videolaryngostroboscopy）的方法虽准确，但存在成本高、侵入性强等问题，尤其对医疗资源匮乏地区更显棘手。随着ChatGPT等大型语言模型（Large Language Models, LLMs）在医疗领域的探索，一个关键问题浮出水面：这些看似万能的AI助手，能否在嗓音障碍分类中担纲重任？

德黑兰医科大学护理与助产及康复学院（School of Nursing and Midwifery & Rehabilitation, Tehran University of Medical Sciences）的研究团队首次系统评估了两种AI聊天机器人——ChatGPT和Perplexity AI在区分嗓音障碍类型（器质性organic、功能性functional、神经性neurological）中的表现。研究通过两项实验设计：实验1输入结合声学分析（acoustic analysis）和患者自评的复合数据，实验2仅输入声学分析数据，分别用37例训练样本和27例测试样本验证模型效能。

关键技术方法包括：基于喉镜检查与听觉感知评估（auditory-perceptual evaluation）的专家诊断金标准、声学参数量化分析、Cohen's Kappa一致性检验。患者队列来自既往研究，含64例嗓音障碍患者（器质性组25例，功能性组25例，神经性组14例），平均年龄48.44±11.73岁。

结果部分

• 诊断一致性：Perplexity AI在实验1与专家诊断的Kappa值为0.773（P=0.773），实验2为0.067（P=0.067），均未达统计学显著性；ChatGPT则完全无法执行数据分析。
• 人群特征：神经性组年龄显著高于其他两组（56.07±12.91岁，P<0.05），性别分布差异显著（器质性组男性占比84%）。

讨论与结论
尽管AI聊天机器人展现出快速整合多源数据的潜力，但其在嗓音障碍分类中的表现令人失望。研究者指出，当前模型可能缺乏对声学参数临床意义的深度理解，且无法替代喉镜检查的结构性评估价值。值得注意的是，神经性嗓音障碍的误诊率最高，可能与年龄混杂因素或模型对神经病理特征捕捉不足有关。

这项发表于《Ethics, Medicine and Public Health》的研究为AI医疗应用泼了盆冷水，但也指明改进方向：未来需开发专业化的嗓音分析算法，结合多模态数据训练。正如作者所言，AI在喉科的真正价值或许不在于替代医生，而是为资源匮乏地区提供初步筛查工具——毕竟，连最先进的聊天机器人也仍需人类专家"把把关"。