《European Archives of Oto-Rhino-Laryngology》：Editorial: artificial intelligence-based otolaryngology practice and research in 2030
编辑推荐：
生成式人工智能（Generative AI）和大型语言模型（Large Language Models, LLMs）在大规模文本与图像语料库上训练而成，其输出是对用户提问的最可能延续。因此，它们的表现是对当前人类知识的一种压缩反映：当知识丰富且一致时令人印象深
生成式人工智能（Generative AI）和大型语言模型（Large Language Models, LLMs）在大规模文本与图像语料库上训练而成，其输出是对用户提问的最可能延续。因此，它们的表现是对当前人类知识的一种压缩反映：当知识丰富且一致时令人印象深刻，反之则显得脆弱[1,2]。这解释了为何同一模型既能通过医学执业考试[2]，又能在同一次会话中杜撰出从未存在的参考文献。在耳鼻咽喉头颈外科领域，这一现象已被量化：一项研究报告显示，ChatGPT提供的科学参考文献准确率在3.5版本为47%~60%，4.0版本提升至73%~87%，且更新版本的虚假参考文献数量有所减少[3]。两个版本之间的差距正是关键所在。幻觉与事实错误并非该技术的固有属性，而是其当前发展阶段的特征。随着模型基于已验证的来源并与临床数据校准，此类错误将变得罕见；而当它们发生时，执业与学术耳鼻咽喉科医师的日常工作将发生深刻变革。尽管目前某些LLM的表现显著优于其他模型，但这种情况可能在后续版本迭代中迅速改变。包括本期特刊在内，耳鼻咽喉科文献中尚未对模型准确性的纵向演变进行系统性评估。围绕本期特刊内容及生成式AI在耳鼻咽喉头颈外科未来发展的整体文献，可从三个重要领域展开讨论。
研究背景与问题
生成式人工智能（Generative AI）与大型语言模型（Large Language Models, LLMs）的快速发展正在重塑医学实践与科研范式。然而，当前技术仍存在显著局限：LLMs虽能通过医学执业考试，却同样会凭空编造不存在的参考文献。在耳鼻咽喉头颈外科领域，ChatGPT提供科学参考文献的准确率在3.5版本仅为47%~60%，4.0版本虽提升至73%~87%，但仍未完全消除虚假引用。此外，模型准确性随版本迭代的动态变化尚未被系统评估。这些问题的存在促使研究者探讨AI在耳鼻咽喉科领域的应用现状、挑战与未来方向，以期推动技术成熟并确保其在临床与科研中的可靠应用。
研究内容与结论
研究人员围绕生成式AI在耳鼻咽喉头颈外科的未来发展，从三个核心领域展开论述：数字问诊、科学出版的挑战以及人类认知的保护。研究指出，AI将在未来十年内逐步承担病史采集、分诊、结构化临床评估、影像分析乃至治疗方案推荐等任务，最终实现从诊前到居家随访的全流程覆盖。然而，当前LLMs在急诊分诊中的表现尚未超越经验丰富的护士，耳鼻咽喉科门诊分诊准确率也仅为53.8%~76.7%。在科研方面，叙事性综述和系统评价可能被AI快速取代，而原创研究的价值将凸显，但其真实性审查因AI生成的完美文本而愈发困难。研究还发现，频繁使用AI工具可能导致“认知债务”（cognitive debt），即神经连接减弱、批判性思维能力下降，尤其影响年轻用户。尽管如此，AI尚不具备人类独有的“远见”——即在空白页面上想象疾病本质、未来可能性与全新治疗路径的能力。
关键技术方法
本研究为编辑评论类文章，未涉及具体实验技术或样本队列。研究方法主要基于对现有文献的系统梳理与综合分析，引用了多项已发表研究的数据，包括：一项针对ChatGPT科学参考文献准确率的定量研究（Lechien等，2024）；一项关于LLMs在急诊分诊中诊断准确性的系统评价与meta分析（Cui等，2026）；一项关于自然语言处理在耳鼻咽喉科应用的综述（Banyi等，2025）；一项基于智能手机深度学习系统的耳镜图像中耳疾病检测研究（Dubois等，2024）；一项利用卷积网络从耳镜图像预测分泌性中耳炎传导性听力损失的研究（Zeng等，2022）；一项关于患者对临床AI态度的混合方法系统评价（Young等，2021）；一项国际耳鼻咽喉科患者对AI感知的研究（Mayo-Yá?ez等，2025）；一项评估GPT-4在系统评价中筛选与提取数据效能的研究（Khraisha等，2024）；一项关于AI生成摘要检测能力的实验（Gao等，2023）；一项关于AI辅助写作时脑电图变化的研究（Kosmyna等，2025）；一项关于AI工具对认知卸载与批判性思维影响的调查（Gerlich，2025）；以及一项比较人类与LLM发散性创造力的研究（Wang等，2026）。
研究结果
下一个十年的数字问诊
研究表明，AI将首先通过在线问诊获取患者病史，按严重程度进行分诊，并在医患见面之前准备结构化的临床评估。虽然当前LLMs在急诊分诊中的表现尚未超越经验丰富的护士（一项meta分析证实此点），耳鼻咽喉科门诊分诊准确率为53.8%~76.7%，但门诊耳鼻咽喉科因其症状模式化和检查标准化，比急诊更具可操作性。图像分析进展更快：深度学习系统通过智能手机耳镜图像分类中耳疾病，其表现已接近临床医生水平；卷积网络可从耳镜图像单独预测分泌性中耳炎的传导性听力损失。未来，AI将在数秒内分析鼓膜、估计中耳功能、排列鉴别诊断并推荐最佳检查方案，随后提出治疗计划供医生确认或修正，最后通过智能手机和应用程序接管患者的个性化居家随访。患者对临床AI的态度总体积极，前提是医生对决策负责，且接受度将通过习惯而非争论形成。
科学期刊面临的更棘手问题
科学研究将快速变革。叙事性综述可能最先消失，紧随其后的是系统评价与meta分析——某些LLM及程序（如Elicit?）已能接近人类审稿人水平地筛选和提取同行评审及灰色文献中的数据。这意味着团队需18个月完成的工作，模型可在一下午产出，且第千篇此类综述的边际科学价值接近于零。AI的快速发展导致只有原创研究可能保留实质科学价值，而这些研究将越来越难以被审稿人和编辑评估，因为一切看起来都完美无瑕。盲法审稿人已无法识别约三分之一的AI生成摘要，同时错误怀疑七分之一真实摘要。人类写作曾透露出的严谨或粗心信号——笨拙的方法部分、过度宣称的结论、与文本不符的表格——将不复存在。期刊必须适应：需要修订选择标准，很可能要求每项提交的研究公开源数据库以保证透明度。临床试验的数据共享声明自2018年起已成为ICMJE要求；现在的问题是，这是否应成为所有原创研究的规则，以及编辑是否应核实原始数据而非行文。此外，生成式AI现已能虚构整个数据集并据此撰写完全合理的文章，因此可能有必要让研究协议中的患者在中央数据监测机构注册，以便在源头验证提交研究的合理性与严谨性。质量必须被证明，因为它将不再能被感知。
保护人类大脑？
这一演变似乎不可避免，但它提出了一个不容推迟的问题：如何保护研究人员自身大脑的充分成熟？更少的搜索意味着更少的大脑刺激。一项对照脑电图研究发现，使用AI助手写作的参与者表现出较弱且分布较少的神经连接，之后对自身文本的复述效果也更差——作者称之为“认知债务”。频繁使用AI工具还与更大的认知卸载和更低的批判性思维得分相关，尤其在年轻用户中。这些都是早期信号而非确凿因果关系，但它们恰恰关系到研究人员实现人生规划、解决问题和在各个层面发展所需的能力。迟早，研究人员可能需要退后一步，恢复自然赋予人类的特质：通过人际接触、自然交流、简单讨论和临床推理而蓬勃发展的能力。这正是AI尚未拥有的——“远见”。许多发现并非书写于已有之物之上；它们始于一张不完整的半空白页，在那里有人想象了一种疾病可能是什么、未来可能是什么、以及一种治疗可以成为什么。AI固然能产生被专家评审者评为新颖的想法，也能找到新疗法，但它构想出完全不同于以往任何事物的能力至今仍未得到证实。在那一天到来之前，那页空白属于人类。
