《Health Policy》：Large language models in radiology workflows: An exploratory study of generative AI for non-visual tasks in the German healthcare system
编辑推荐：
大语言模型在放射学中的应用面临认知不足、伦理争议及基础设施滞后等挑战，通过12位专家访谈发现其可优化工作流程并减轻负担，但需政策支持与系统升级。
斯特凡妮·斯坦豪泽（Stefanie Steinhauser）| 萨布丽娜·韦尔施（Sabrina Welsch）
德国魏登应用技术大学（Technical University of Applied Sciences Amberg-Weiden）健康经济与创业学教授，邮编92637
摘要
背景
大型语言模型（LLMs）因其在应对工作量增加和人员短缺等挑战方面展现出的潜力而受到关注。然而，放射科医生对这类模型的实际应用及其伦理影响的认知有限，这成为其推广的障碍。
目的
本研究探讨了放射科医生对使用大型语言模型的看法，分析了其潜在优势、面临的挑战以及对工作流程和职业角色的影响。
方法
本研究采用质性研究方法，通过对12位放射学专家进行半结构化访谈来收集数据，以评估他们对大型语言模型在放射学领域应用的认识、态度及看法。
结果
研究表明，大型语言模型可通过简化临床病史总结和生成标准化报告等任务来减轻放射科医生的工作负担，同时提升沟通效率。受访者普遍支持将这些模型整合到工作中，但也表达了对模型可能影响人际互动、伦理标准及责任归属的担忧。随着大型语言模型的广泛应用，放射科医生的角色预计将向数据管理及跨专业协作方向转变。实施过程中的主要障碍包括认知不足、法规限制以及基础设施落后。
结论
大型语言模型的整合受到法规限制、基础设施陈旧以及放射科医生认知水平低下的制约。政策制定者应制定明确可行的法规，以解决责任归属和伦理问题，并确保数据隐私得到保护。投资于现代化临床基础设施和培训项目对于帮助放射科医生有效利用这些工具至关重要。通过克服这些障碍，大型语言模型有望提升工作效率、减轻工作负担并改善患者护理，同时保持放射科医生在诊断和治疗过程中的核心作用。
部分内容摘录
背景
“人工智能会取代放射科医生吗？”这个问题有误。正确的答案是：使用人工智能的放射科医生将会取代那些不使用人工智能的放射科医生。[1, 第2页] 这一观点强调了人工智能对放射学未来发展的关键作用。近年来，尤其是2022年以来，人工智能领域发展迅速。OpenAI的GPT系列模型和谷歌的Gemini等大型语言模型在这一进程中发挥了重要作用。
方法
本研究采用质性研究方法，通过半结构化访谈了解专家们对大型语言模型在放射学工作中应用的看法。这种研究方式既灵活又具有结构化特点，能够深入探讨这一新兴技术的各个方面，同时根据每位受访者的专业背景和关注点进行调整。相比之下，焦点小组讨论可能因群体动态影响而无法充分反映个体观点。
德国大型语言模型的发展现状
受访者指出，德国在放射学领域的大型语言模型发展进展缓慢，主要原因在于相关认知不足，特别是在门诊医疗服务中。受访者普遍认为该技术仍处于“初级阶段”（如R8所言），并指出“德国在这方面相对落后”（R6的观点）。目前，大型语言模型在放射学中的实际应用非常有限（R2表示“临床领域尚未有获批的应用场景”），仅有少数研究机构对其进行探索（R1）。
讨论
研究表明，大型语言模型有助于优化放射学工作流程，有效应对工作量增加、人员短缺以及医学影像技术复杂化等问题。鉴于放射学行业高度依赖结构化报告，这类模型的应用有望简化流程、减轻行政负担。尽管生成式人工智能仍属于新兴技术，但其潜力巨大。
结论
大型语言模型在优化放射学工作流程方面具有巨大潜力，尤其是在处理耗时较多的行政任务和推动标准化方面。然而，要充分发挥其作用，还需填补知识空白、完善培训体系，并制定明确的伦理和监管规范。政策制定者应建立责任划分机制，同时医疗机构需投资于基础设施建设和人才培养。资金来源
本研究未获得任何公共部门、商业机构或非营利组织的资助。
利益冲突声明
作者声明不存在任何需要披露的利益冲突。
作者贡献说明
斯特凡妮·斯坦豪泽（Stefanie Steinhauser）：负责撰写、审稿与编辑、初稿撰写、数据验证、研究方法设计、数据分析、概念构建及可视化呈现。萨布丽娜·韦尔施（Sabrina Welsch）：负责初稿撰写、数据可视化、研究实施、数据分析、方法设计及数据分析。
