大型语言模型辅助肿瘤科首次咨询准备工具的工作流性能与可用性评估

《npj Digital Medicine》：AI-supported first consultation preparation in oncology: a real-world clinical usability study

　　大型语言模型（LLMs）可通过促进信息管理来支持临床医生，但其在真实肿瘤科实践中的可用性仍缺乏研究。本研究评估了基于人工智能的第一次咨询准备（AI-FCP）的工作流性能，该工具通过从非结构化临床文档生成结构化摘要，并与最终用户共同创建。采用前瞻性单组前后对照设计，九名临床医生完成了个人层面的基线评估，随后使用AI-FCP进行了33次咨询。病例数量因诊所排程和入组时间而异，可能引入生存偏差。使用经验证的量表和特定研究工具评估可用性。使用AI-FCP后，总体感知工作负荷（NASA-TLX）比基线低28.9%（Hodges-Lehmann估计差异?12.3；95% CI –21.7至–3.3），自我报告的平均每例节省时间为3.26分钟（标准差=2.65）。在84.9%的咨询中准备成功；63.6%的摘要完整。这些探索性发现表明，临床医生感知到工作负荷降低，并报告使用AI-FCP后工作流效率提高。需要进一步研究以确定其普适性。