《Supportive Care in Cancer》：AI-facilitated individualized nutritional guidance with ABC-structured prompts improves short-term dietary intake adequacy and patient-reported symptoms after gastrointestinal cancer surgery: a randomized controlled trial
编辑推荐：
背景：术后营养管理对胃肠癌手术患者至关重要，然而出院建议通常标准化且缺乏个体化。尚不清楚与标准通用建议相比，人工智能辅助的个体化量化策略是否能改善短期膳食摄入；本试验未分离人工智能的独立效应。目的：确定与标准出院建议相比，使用结构化提示的人工智能辅助个体化营养
背景：术后营养管理对胃肠癌手术患者至关重要，然而出院建议通常标准化且缺乏个体化。尚不清楚与标准通用建议相比，人工智能辅助的个体化量化策略是否能改善短期膳食摄入；本试验未分离人工智能的独立效应。目的：确定与标准出院建议相比，使用结构化提示的人工智能辅助个体化营养指导是否能改善短期膳食摄入达标率和患者报告症状。方法：在这项单中心随机对照试验中，90例接受腹腔镜胃癌或结直肠癌手术的患者按1:1比例分配至由DeepSeek v3.2使用ABC结构化提示生成并经临床医生审核的人工智能辅助个体化指导组，或标准出院膳食建议组（标准照护组）。干预措施结合了人工智能、个体化、量化目标、书面指导和临床医生审核；该试验无法单独分离人工智能的作用。主要结局指标为出院后30天能量摄入达标率（≥目标值的90%）。次要结局指标包括蛋白质摄入达标率、营养状况、患者报告结局、过程指标（专家评定质量评分、提供者时间）及30天并发症。结局评估者对分组设盲。结果：两组基线特征均衡良好。人工智能指导组在30天时能量达标率显著更高（66.7% vs. 40.0%，OR 3.0，95% CI 1.3–7.1，P=0.01），蛋白质达标率亦显著更高（62.2% vs. 35.6%，OR 2.9，95% CI 1.2–6.8，P=0.01）。人工智能指导组在完整性（4.6 vs. 3.2）、个体化（4.8 vs. 2.8）和可操作性（4.5 vs. 3.5）方面的专家评定质量评分均更优（所有P<0.001），而每位患者的提供者时间减少（8.2 vs. 12.5分钟，P<0.001）。患者报告结局显示，人工智能指导组在疲劳、恶心/呕吐、食欲丧失和胃肠道症状方面有显著改善（胃肠道症状评定量表GSRS总分2.1 vs. 2.5，P=0.03）。体重变化、血清营养标志物或并发症发生率未见显著差异。结论：与标准通用建议相比，人工智能辅助的个体化营养指导改善了短期膳食摄入达标率和患者报告症状，并减少了提供者时间。这些发现并不表明人工智能本身优于同等个体化的非人工智能咨询，也未确立长期营养或临床获益。临床监督仍然必不可少。
一、研究背景与问题提出
手术切除仍是胃癌和结直肠癌根治性治疗的基石，但术后恢复常因营养恶化而受损。接受这些手术的患者面临多重代谢应激因素的叠加：术前营养不良（在30%-60%的胃肠癌患者中存在）、手术创伤诱导的高代谢状态、胃肠道解剖结构改变以及持久的分解代谢。其后果不仅限于体重减轻——伤口愈合受损、感染性并发症增加、恢复延迟和生活质量下降均是术后营养欠佳的有据可查的后果。
出院后的营养支持是一个关键的干预窗口期。住院期间的营养照护通常遵循既定方案，但过渡到家庭环境则引入了显著的变异性。出院营养建议——通常以标准化宣传册或简短口头指导的形式给出——往往缺乏解决个体患者具体需求所需的精细度：特定的手术解剖结构（远端与全胃切除术、结肠与直肠切除术）、基线营养状况、实验室异常值以及文化嵌入的饮食习惯。这种一刀切的方法导致可预见的结果：依从性差、营养素摄入不足以及可预防的营养状况恶化。
人工智能，尤其是大型语言模型，近期已成为临床医学领域的一股变革力量。与传统决策支持工具不同，这些系统能够生成类似人类的、上下文敏感的反应，并可针对个体患者特征进行定制。然而，早期应用揭示了双重潜力与局限：例如，Hou等人发现，独立的大型语言模型在膳食补充剂有效性问题上仅有62%的准确率，而基于结构化循证知识库的检索增强生成系统则达到了99%的准确率。这一对比强调，尽管人工智能有望提供精准的营养指导，但若无强大的、特定领域的数据支撑，其当前能力仍显浅薄且不一致。
外科营养情境为测试人工智能辅助指导提供了一个理想的案例。出院后的营养需求因手术方式、吻合口位置和功能结局而异。此外，时间维度——从流质到固体的渐进式饮食推进——要求分阶段的、可操作的建议。一个设计良好的人工智能系统，若配备包含手术细节、实验室数值和文化食物偏好的结构化提示，理论上可以生成优于标准出院模板的个体化指导。然而，迄今为止，尚无随机对照试验评估过外科人群中的人工智能辅助营养指导。现有文献仅限于对人工智能输出质量的描述性评估或与指南的横断面比较。人工智能生成的指导是否能转化为患者层面结局（如膳食摄入、营养状况、症状或恢复）的有意义改善，仍属未知。
因此，研究人员开展了此项随机对照试验，旨在验证以下假设：与标准通用出院建议相比，一种人工智能辅助的、结构化的、个体化的、量化的营养指导策略将提高胃癌或结直肠癌手术患者出院后30天的能量和蛋白质摄入达标率。
二、关键技术方法
本研究为单中心、平行组、随机对照试验，采用1:1分配比。研究对象来自2025年12月至2026年2月期间在同济医院胃肠外科接受择期腹腔镜胃肠癌手术的患者，共纳入90例符合条件的受试者。干预组使用DeepSeek v3.2（深度求索公司，杭州，中国）大型语言模型，通过一个名为ABC框架（Analysis分析、Blueprint蓝图、Concrete Plan具体计划）的三模块结构化提示模板生成个体化营养指导，并经临床营养师审核后交付。对照组接受机构的常规出院膳食建议（标准化单页讲义）。主要结局指标为出院后30天能量摄入达标率（定义为达到目标能量摄入的≥90%），通过3天膳食记录进行评估。统计方法包括卡方检验、逻辑回归及亚组分析。
三、研究结果
研究人群：共筛选187例患者，90例完成随机化（每组45例），无失访。两组基线特征均衡良好，平均年龄约61岁，男性约占60%，胃癌与结直肠癌手术比例接近1:1。
过程评价：人工智能指导组生成的个体化营养指导文件在完整性（4.6 vs. 3.2）、个体化（4.8 vs. 2.8）和可操作性（4.5 vs. 3.5）方面的专家评定质量评分均显著高于标准照护组（所有P<0.01），而准确性和安全性评分无显著差异。每位患者的医疗提供者时间在人工智能指导组显著减少（8.2 vs. 12.5分钟，P<0.01）。人工智能生成的指导文件篇幅更长（845 vs. 310词），且93.3%包含量化营养目标，而标准照护组仅为51.1%。
主要和次要结局：人工智能指导组在30天时的能量摄入达标率显著高于标准照护组（66.7% vs. 40.0%，OR=3.0，95% CI 1.3–7.1，P=0.01）。蛋白质摄入达标率同样显著更高（62.2% vs. 35.6%，OR=2.9，95% CI 1.2–6.8，P=0.01）。体重变化（?2.1% vs. ?2.5%，P=0.33）、血清白蛋白和血红蛋白的变化在两组间无显著差异。
临床事件：30天内术后并发症发生率在两组间无差异（20.0% vs. 22.2%，P=0.61），包括吻合口漏、伤口感染、倾倒综合征等具体并发症的发生率亦相似。30天再入院率也无显著差异。
患者报告结局：人工智能指导组在多项患者报告领域表现更优。欧洲癌症研究与治疗组织生活质量问卷核心30（EORTC QLQ-C30）显示，该组疲劳（33.8 vs. 41.5，P=0.04）、恶心/呕吐（12.5 vs. 18.9，P=0.02）和食欲丧失（28.3 vs. 38.7，P=0.03）的症状负担显著更低。胃肠道症状评定量表（GSRS）总评分在人工智能指导组显著更低（2.1 vs. 2.5，P=0.03），尤其在腹泻和消化不良子量表方面。
亚组与敏感性分析：按手术类型的预设亚组分析显示效果一致，无显著交互作用。符合方案分析和多重插补敏感性分析结果与意向性治疗分析一致。
四、讨论总结与结论翻译
讨论总结：该项随机对照试验首次提供了前瞻性证据，证明人工智能辅助的个体化量化营养指导策略能够改变患者行为并改善出院后膳食摄入。超过三分之二的人工智能指导组患者实现了充足的能量摄入，较标准照护组绝对提高了26.7个百分点。这种改善转化为患者报告结局中有临床意义的短期获益，包括疲劳、恶心/呕吐、食欲丧失和整体胃肠道症状负担的降低。重要的是，这些患者层面的获益伴随着过程效率的实质性提升：人工智能指导干预所需医疗提供者时间更少（8.2 vs. 12.5分钟/患者），同时提供的指导更完整、更个体化、更具可操作性。硬性临床终点（体重变化、血清营养标志物、并发症）未出现差异，这在30天的时间范围内和这些结局的多因素决定背景下是可以预期的。该试验建立了短期膳食和症状获益及安全性信号，但未确立持续的长期营养或临床获益。研究人员指出，该试验不能分离人工智能的独立效应，因为干预是多组分策略，观察到的获益可能反映了个体化、目标设定、信息量、人工智能辅助、临床医生审核或这些因素的组合。试验并未证明人工智能本身优于同等个体化的非人工智能营养咨询。
结论翻译：这项随机对照试验证实，与胃肠癌手术恢复期患者的标准通用出院建议相比，一种使用结构化分析-蓝图-具体计划（ABC）提示框架的人工智能辅助、个体化、量化营养指导策略显著改善了短期能量和蛋白质摄入达标率，降低了胃肠道症状负担，并提高了过程效率。过程改进（优越的完整性、个体化和可操作性）与行为改变和症状缓解的趋同支持了一条从结构化、个体化沟通到改善短期结局的连贯机制通路。然而，本试验并未分离人工智能的独立效应，也未证明人工智能本身优于同等个体化、量化的非人工智能营养咨询。它也未确立长期营养或临床获益。因此，人工智能辅助指导应被视为一种实用的交付工具，它可能通过以更少的提供者时间传递个体化、文化适宜的建议来扩大临床营养师的覆盖范围。随着医疗保健系统寻求可扩展的解决方案以改善术后营养照护，将结构化人工智能工具整合到出院规划中代表了一种有前景的、基于证据的策略，值得更广泛的实施和进一步评估。
