《Healthcare》：Shared Decision-Making in Cosmetic Procedures and Aesthetic Plastic Surgery: A Systematic Review of Decision Aids, Clinical Benefits, Ethical Challenges, and Future Perspectives
背景/目的：医患共同决策（Shared Decision-Making, SDM）是美容整形手术中以患者为中心的医疗照护的核心要素，其成功结局取决于干预措施与患者价值观、偏好及目标的一致性。决策辅助工具（Decision Aids）传统上通过以结构化方式呈现信息并促进患者与临床医生之间的协作来支持SDM，而人工智能（Artificial Intelligence, AI）的兴起则可能通过医学信息传递和患者咨询进一步为SDM提供支持。方法：对PubMed、Cochrane Library及Google Scholar进行系统检索，纳入2011年至2026年间发表的英文研究，探讨SDM的适用性及影响，以及可能影响决策过程的干预措施、工具或技术，涉及美容整形手术及医美操作中的偏好 elicitation、患者教育和风险沟通。两名评审者独立筛选文献及全文，分歧通过讨论解决。采用适当框架评估偏倚风险，同时评价局限性、伦理考量及未来展望。结果：在检索到的5485条记录中，108篇进入全文评估，38篇符合纳入标准。决策支持策略与患者参与度、理解度、满意度提升及期望管理改善呈不同程度的相关性。然而，标准化且经过验证的决策辅助工具仍然有限，且显著的方法学异质性及中至高度偏倚风险限制了现有证据的强度。针对基于AI技术的研究主要评估了可行性与准确性，而关于患者满意度、SDM改善或临床结局的证据有限。结论：标准化决策辅助工具在美容整形手术中的应用仍然有限，而AI在SDM中的采用应被视为人类咨询的辅助手段。未来需要开展前瞻性对照研究以确定其在临床框架中的有效性。
1. 引言
医疗保健作为旨在恢复和维持人类福祉的活动集合，正通过将患者的价值观、偏好和体验纳入决策过程并将患者置于其核心位置而持续演进。医患共同决策是一种医疗保健方法，医生和患者在双向沟通的背景下协作，基于最佳可用证据和临床专业知识做出决策，同时纳入患者的知情价值观和偏好。这一协作过程通过让临床医生向患者传达可用治疗方案及其潜在获益和风险，并基于患者个人观点和目标进行指导，已在患者照护中展现出潜力，可提高患者满意度。
传统上，知情同意构成患者照护的基本组成部分。SDM在医患互动中的引入使患者能够通过传达其价值观和偏好而积极参与，超越了单纯的告知和同意范畴。决策辅助工具作为支持SDM过程的工具，以全面且结构化的方式呈现与患者状况相关的信息以及可用方案及其预期结局。
美容整形外科专业日益涉及表达更强烈需求的患者，因此出现了对可靠且循证方法以应用和强化知情决策的日益增长的需求。美容整形外科医生经常面临没有单一治疗方案明显最为适合的临床困境，因此最相关的管理策略需要全面的决策模式。
人工智能在医疗保健提供中日益被研究，涉及患者教育、结局可视化、风险评估以及使共同决策与患者和社会日益增长的需求保持一致。在美容实践中，其技术领域可通过评估个体特征、将相关客观数据与可用方案匹配以及模拟各方案相关的潜在结局来支持患者咨询。同时，AI应用可通过提供手术相关信息和指导为患者教育概念做出贡献，并通过将技术指导纳入人类咨询和治疗计划来潜在地强化共同决策过程。然而，SDM或临床结局的改善仍有待证实。
本系统综述旨在评估SDM策略和决策辅助工具在美容整形手术及医美操作中的实施情况，探讨其对决策过程的贡献以及相关局限性、伦理考量和未来展望。
2. 材料与方法
采用叙述性综合的系统综述方法，以评估和全面探讨SDM策略和决策支持方法在美容整形手术及医美操作中的影响。综述方法学依据系统综述和荟萃分析首选报告条目（PRISMA）指南制定（在适用情况下），考虑到现有证据的显著异质性。
2.1 研究设计与筛选过程
研究人员进行了广泛的文献检索，使用PubMed、Cochrane Library和Google Scholar电子数据库，检索限定为2011年至2026年间发表的英文文章。PubMed最后一次检索日期为2026年8月4日，Cochrane Library和Google Scholar数据库最后一次检索日期为2026年9月14日。结合初步检索，手动检查纳入研究和相关综述文章的参考文献列表以识别额外符合条件的出版物，以最大限度地提高综述的完整性。检索策略包括共同决策、决策辅助工具、决策支持策略以及数字和基于AI的技术与美容整形手术和美容非手术操作相结合的术语。
两名评审者独立进行研究筛选，分歧通过协作审查和共识解决。
2.2 纳入标准
研究若纳入决策辅助工具和干预性工具（如数字和AI技术、3D模拟器、预测模型、虚拟和增强现实以及大语言模型应用），其作用为促进患者咨询、风险沟通、期望管理和偏好 elicitation，并因此可能改善美容整形手术及医美操作中的共同决策，则被视为符合条件。患者报告结局指标（PROMs）与正式决策辅助工具分开考虑，当其使用与期望管理、治疗评估或决策过程中的沟通相关时纳入。仅测量患者满意度或临床结局不被视为SDM改善的证据。
符合条件的研究设计包括临床或观察性研究、随机和非随机对照试验、前瞻性和回顾性比较队列研究、定性或混合方法研究、病例系列、具有相关决策结局的技术验证研究，以及关于大语言模型（LLM）生成的患者信息（可能影响患者决策结局）的原创研究。
2.3 数据收集
检索到的引文由两名评审者基于标题和摘要内容独立筛选，下一阶段对选定的文章进行全文评估。提取的数据涉及SDM方法、所用决策辅助工具或干预性决策支持工具的类型、咨询过程中涉及的美容干预类型、与SDM相关的主要发现，以及关于作者、设计、样本量、期刊和发表年份的研究信息。数据收集由一名评审者进行，随后由第二名评审者验证准确性和相关性。
2.4 偏倚风险评估
根据研究设计使用适当的偏倚风险评估工具评估38篇纳入研究。ROBINS-I工具用于评估探索干预临床效果的非随机研究，随机研究使用Cochrane偏倚风险2工具评估。针对符合条件的病例系列、队列、横断面和定性研究使用针对特定设计的Joanna Briggs Institute关键评估工具，而预测模型研究使用预测模型偏倚风险评估工具（PROBAST）评估。
2.5 数据综合与确定性评估
考虑到研究设计、干预措施和测量结局的显著变异性，进行了分层叙述性综合。在此背景下，区分了正式决策辅助工具和SDM干预措施、患者报告结局指标、3D成像和模拟应用、预测和风险分层模型以及LLM生成的患者信息。由于可用研究的显著异质性，未进行荟萃分析或亚组分析。未分配正式的GRADE确定性评级。本系统综述未在PROSPERO或其他注册中心注册，也未准备正式方案。
3. 结果
初步文献检索识别出5485条引文：PubMed 2239条、Cochrane Library 776条、Google Scholar 2470条，首先按标题进行主题相关性筛选。在此阶段排除5122条记录，363篇文章经摘要评估。随后共108篇文章进行全文评估以确定合格性。最终共38篇研究纳入定性综合，涵盖不同证据类型。
直接决策支持证据集中在少数亚组中。Bian等人开发了一项决策辅助工具并在20名患者中进行试点，提供了感知决策支持的研究结果；Paraskeva等人报告了使用PEGASUS干预在17名参与者样本中澄清患者目标的结果。可视化和模拟研究主要测量预测一致性、准确性和感知满意度，而未直接提供SDM结局的反馈。Basile等人和Cui等人评估了预测模型，Bukret等人聚焦于风险分层。LLM研究（包括Seth等人和Yun等人）评估了聊天机器人对患者问题回答的质量和准确性及其对患者知识的影响。然而，技术验证和AI评估研究均未能证明SDM或决策冲突改善的具体证据。
总体而言，评估SDM支持工具的作者报告了感知参与度的提高和患者理解度的改善。患者能够理解自身偏好及可用方案，并更好地将医疗保健与现实的期望对齐。然而，支持这些结局的证据有限。此外，经过验证的决策辅助工具在常规美容实践中的应用相当受限。绝大多数研究围绕AI技术和LLM应用，评估准确性、可用性和患者偏好，表明潜在效用，因此仅提供可能与SDM相关的间接信息。
当前文献在研究设计、样本量、性能指标和方法学方面呈现显著异质性和变异性，许多研究相当强调技术和算法性能而非临床有效性。大多数研究缺乏足够的数据集、外部验证、一致的对照组、前瞻性临床试验和客观性能指标，限制了对模型可靠性和可重复性的评估。偏倚风险在现有文献中主要为中至高度，在样本量、评审者选择、盲法、随访、主观评分、技术准确性高估以及缺乏临床评估方面存在局限性，影响了所报告发现的可靠性和普适性。
4. 讨论
4.1 美容整形手术中的医患共同决策
共同决策反映了一种优先尊重患者自主权以及患者与外科医生之间协作关系的理念，旨在使治疗决策既符合当前科学事实，又与患者个人原则和期望保持一致。SDM概念的关键要素包括：医生和患者至少两方的积极参与；双方相关信息互通；共同努力就最合适的治疗方案达成一致；以及就拟实施的治疗计划达成协议。
美容整形手术涵盖旨在改善个人外观和整体福祉的选择性手术和微创操作领域。因此，患者提升个人生活质量的愿望主要驱动其要求的治疗，而这些治疗确实不构成医学必要性。未能达到预期获益可能导致患者不满意、情绪困扰和潜在的法律诉讼，即使在技术上认为治疗成功的情况下也是如此。
鉴于不断扩展的数字化带来的变革，患者期望与现实结局之间的平衡已变得越来越微妙和脆弱。社交媒体经常推广难以企及的审美标准，医生在帮助患者建立与可实现的美容结果一致的现实期望方面发挥着关键作用。鉴于针对特定需求的大量可用方案，在美容整形手术常规实践中实施SDM构成一种有价值的方法，旨在根据患者的价值观和偏好使患者参与决策过程。
4.2 决策辅助工具
决策辅助工具与SDM过程的结合已在某些临床环境中与患者知识和风险认知的改善相关联，从而增强决策信心。决策辅助工具是基于证据的教育工具，以结构化方式纳入关于患者状况的信息、列举可用方案、权衡其优缺点及潜在风险，并呈现与各方案相关的预期结局。同时，患者能够认知其偏好和价值观并澄清其目标和期望。决策辅助工具的构建受国际患者决策辅助标准（IPDAS）指南的规范，内容传递形式可包括印刷手册、数字化手册、交互式评定量表、视觉代理和基于网络的应用程序。
当前涉及重建和肿瘤学人群的文献支持决策辅助工具在SDM中的有益作用，展示其在减少决策冲突和后悔以及改善患者知识方面的有效性。在整形外科中，决策辅助工具在共同决策中的整合主要涉及肿瘤学和重建领域。在乳房重建领域，决策辅助工具在SDM过程中的实施与较低水平的决策冲突和后悔以及较高水平的患者满意度和教育程度相关。然而，评估决策辅助工具在美容整形手术中作用的研究仍然有限。Bian等人进行了一项试点研究，评估以患者为中心的决策辅助工具对乳房增大和乳房缩小患者的影响，报告了沟通改善和决策后悔减少。Kolasinski等人进行的一项回顾性研究展示了为植入物选择开发的决策辅助工具在结合3D模拟的决策过程中的效用。
4.3 患者报告结局指标
使用经过验证的生活质量指标与改善的治疗计划和结局相关。患者报告结局指标（PROMs）如BREAST-Q和FACE-Q构成标准化且经认可的问卷，捕获患者对其健康状况、功能性和美学结局的感知，为治疗效率和患者满意度提供有价值的见解，并可用于为后续患者的咨询建立更有效的沟通框架。PROMs不构成决策辅助工具，但可通过考虑既往患者的感知体验和不同方案比较的结果为决策过程做出贡献。随着世界日益数字化，技术进步已能够通过电子应用程序和平台（e-PROMs）以高效且富有成效的方式收集患者报告结局数据。
4.4 人工智能与医患共同决策
人工智能涵盖具有处理和解释数据、适应不断变化的条件、学习并以类似人类认知能力的方式做出决策能力的计算机系统和机器。这些系统利用从人类研究中获得的可用知识提供辅助，将医疗保健的整个谱系从咨询发展到程序指导、监测、文档记录、研究、教育和创新。在美容整形手术中，这些技术可用于患者教育、通过图像分析进行偏好 elicitation、结局预测和治疗规划。然而，基于AI的技术对SDM和患者满意度的直接影响仍有待进一步研究。
4.4.1 机器学习
机器学习（ML）包括一系列从数据和用户输入中学习、通过上下文关系识别识别模式并提取有价值见解、开发预测模型并估计未来结局的算法。在整形外科中，ML算法能够从大规模数据集中分析和提取模式，这些数据集可能包括医学影像、临床信息和患者人口统计学特征，而图像解释能够检测解剖标志、面部和体表分析以及模拟与患者咨询相关的手术结局。
4.4.2 预测模型和风险分层工具
预测建模包括统计算法和机器学习方法的组合，能够探索现有证据、识别和解读模式以预测特定结局。在美容整形手术中，这些技术可能提供改善风险预测和手术规划的潜力，而风险分层工具可通过生成与患者个人特征一致的患者特定风险概况，在咨询期间为个体化指导做出贡献。其在SDM中的作用取决于充分验证及其使用可能导致更好临床结局的证据。Cui等人在361名参与者中的研究报告了预测模型的高准确性；然而，经PROBAST评估后判定存在高偏倚风险。Bukret等人筛选了3347名患者，但仅报告了小样本的结局，使得AI风险分层对并发症的影响难以评估。
4.4.3 大语言模型
大语言模型（LLMs）的使用为患者教育增添了新的方面，通过提供有关患者关于适应症、风险、预期过程和结局咨询的信息，潜在地增强患者理解。LLMs（如ChatGPT 3.5和4，OpenAI，旧金山，加利福尼亚州，美国）的设计使其能够以对话式布局对患者关于整形外科各个方面的关切提供连贯且富有同理心的回答，这一能力可能在辅助患者教育、指导和个体化照护方面发挥作用。然而，当前可用研究主要评估准确性、质量和可读性，缺乏临床疗效、对SDM和患者满意度影响的数据。
4.4.4 三维成像、模拟和虚拟现实
传统的可视化工具，如其他患者的前后对比照片或外部植入物试模器，传统上在咨询和共同决策框架内用于管理期望。三维（3D）成像模拟的发展源于将复杂临床信息传达为更易理解格式的需求，以及减轻术前咨询中使用传统方法（如植入物试模器）所产生的局限性。增强现实（AR）、虚拟现实（VR）、面部识别和软组织模拟（STS）等技术日益被整合到患者咨询中，旨在通过图像分析识别解剖标志并提供其潜在美学结局的可视化，可能在咨询中替代患者的"术前"和"术后"照片。患者日益表现出对纳入模拟技术的咨询的偏好；然而，其对共同决策的影响需要进一步的前瞻性评估和标准化测量。
4.5 挑战与伦理问题
AI在美容实践中的使用引发了关于数据隐私、透明度、审美标准中的文化偏见以及AI衍生建议和不准确性的问责制的伦理和实际关切。
4.5.1 数据隐私
美容整形手术在数据隐私方面提出特殊挑战，因为AI算法可能访问敏感的患者信息，包括摄影内容、个人健康记录和心理评估。这些数据的获取和利用引发了超越单纯医疗保密性的实质性伦理和隐私关切。在未获得明确患者同意的情况下使用患者数据训练和完善AI算法，通过冒身份识别以及网络犯罪分子数据利用的风险而危及患者信任。
4.5.2 责任、问责制和透明度
研究人员对责任和问责制问题表示关切，特别是在医生的临床判断与AI生成的建议不一致的情况下。此外，缺乏人工监督使用户对产生AI输出结果的原理一无所知，引发多方面问题。关于生成信息来源缺乏透明度引发了对准确性、可靠性和可信度的关切。在美容实践中，医生因此需要解释AI建议并告知患者其局限性和风险。
4.5.3 偏见与同质化
由于AI训练过程中使用的数据集有限，出现了重要的伦理关切，特别是影响不同人口群体的算法偏见。由于算法中编码的不平等，代表性不足的群体未得到充分评估，而建议的输出可能被视为误导。这一关切在美容应用中尤为相关，因为审美理想本质上受文化和种族多样性影响，而AI系统可能基于其预定义的审美标准数据集偏好特定特征，导致与不同文化背景患者目标不一致的建议。
4.5.4 不准确性
LLMs（如ChatGPT）已被报告生成看似合理但包含不准确、不一致和遗漏重要细节的回答。"AI幻觉"现象涉及聊天机器人生成结构良好、看似逻辑合理的虚假信息的报告倾向，可能以不准确的建议危及患者安全。在美容实践中，AI可视化技术中也报告了不准确性，这可能通过形成不切实际的期望而危及患者信任以及医患沟通框架，导致失望和责任问题。
4.5.5 过度治疗
在美学评估方面，AI可以分析解剖特征；然而，美和审美的概念可能无法被数字化复制。研究还表明，AI聊天机器人目前表现出过度推荐美容程序的倾向，发出可能加剧弱势个体精神疾病的警报，因为算法不具备解释患者请求和合并症的细致临床判断，而是依赖标准化训练数据。
4.6 AI作为SDM中的辅助工具
AI技术可通过先进数据分析、预测建模和复杂机器学习支持患者咨询的某些方面，也显示出改善共同决策和临床结局的潜力。然而，验证其对SDM贡献的证据仍然不足，同时表明AI应被视为共同决策过程中的辅助组成部分，而非人类判断的替代品。同情和共情等人性特质在建立医患之间真正的沟通方面不可替代，无法被数字化模拟。
4.7 偏倚风险与方法学局限性
当前综述在以下方面存在若干局限性：研究设计的显著异质性、所研究策略或工具的类型、结局测量和验证方法，使得对结果的进一步分析具有挑战性。对38项纳入研究的方法学评估呈现了现有证据的若干局限性。尽管技术在共同决策中具有潜在效用，但总体证据受到显著异质性和偏倚风险的限制。大多数研究呈现相当有限的样本量和评估者数量、有限的临床验证、专家评估的主观性、缺失数据和混杂因素，转化为高偏倚风险。由于缺乏具有充分样本的随机对照试验、缺乏对照组、主观评估的报告以及混杂因素的影响，研究结果的有效性和普适性仍然受限。此外，合格性限于英文文章，为综述增加了语言偏倚。关于检索策略，Google Scholar数据库的使用引入了可重复性限制，因其索引标准可能随时间变化。综述未进行前瞻性注册，也未准备正式方案。由于无法进行进一步荟萃分析且未按结局正式评估GRADE确定性，结论的强度相当有限。SDM策略和决策工具在美容整形手术和美容干预领域的总体有效性无法得到有效确认，源自肿瘤学和重建样本的证据不能假定可转移到美容人群。
5. 结论
本综述强调了在美容整形手术领域实施SDM和标准化决策辅助工具方面持续存在的差距。当前证据无法建立将3D成像、虚拟现实、预测分析和大型语言模型等现代技术整合与患者咨询、共同决策或患者满意度改善之间的联系。在考虑将这些技术确立为SDM中的成熟工具之前，解决方法学和伦理关切以及开展具有外部验证的前瞻性多中心研究是必要步骤。同时，医生必须对过度治疗和发展不切实际期望的风险保持警惕，优先考虑患者福祉，并以批判性思维和对伦理标准的忠诚拥抱不断发展的技术。
未来展望
未来研究应评估标准化决策辅助工具和决策支持干预措施在美容整形手术全范围内的实施及其对患者-临床医生沟通、患者满意度和决策后悔以及决策与患者价值观和偏好一致性的影响。此外，未来研究应投入于设计良好的前瞻性和随机对照试验、标准化方案和多中心协作研究，以确定决策支持干预措施和AI技术的有效性，包括其对共同决策、最终结局和成本效益的影响，同时应妥善解决其实施伴随的伦理关切。
