更好的方法：对使用人工智能工具加速创伤临床指南开发进行初步的可行性测试

《Trauma Surgery & Acute Care Open》：Better way: initial acceptability testing of using artificial intelligence tools to accelerate development of trauma clinical guidance

　　摘要
引言：创伤护理领域的专家们呼吁需要一种新的方法来制定临床指南。本研究旨在测试一种新的12步方法的初步可行性，该方法旨在将目前的临床指南制定周期从24个月缩短至24周。

方法：研究人员认为，可以利用人工智能工具来提升临床指南制定的效率，首先生成初步结果，再由领域专家进行审核，从而确保遵循伦理标准并实现协作式设计。依据强调持续交付与改进的敏捷方法论以及“实用、稳健的实施与可持续性模型”框架，研究人员制定了在24周内完成临床指南制定的12步方案。该流程从选择临床主题开始，最终形成可直接用于临床的决策树。

结果：在2025年“为实施而设计：创伤研究与临床指南的未来”会议上，与会者通过两次分组讨论会就这一新的12步方法进行了探讨。参与者包括各类创伤护理专家、方法学家、患者代表以及技术及市场领域的专家。他们的建议主要包括：多学科参与、针对不同资源条件制定差异化指南，以及具备用户友好性的功能（如离线访问和多语言支持）。在会议后的调查中（共56名受访者），64%的人认为人工智能能够加速当前的指南制定进程。

结论：目前的临床指南体系存在很大的改进空间。需要重点推进跨学科及跨机构的协作，制定能考虑不同资源状况的指南，并运用人工智能等新技术加快制定速度。这是因为持续的延误会导致临床实践落后于现有证据水平。未来还需进一步研究，以明确如何合理运用人工智能，从而更快地将证据整合到临床指南中。

已有研究进展：目前，临床指南的制定通常需要1到2年的时间。而且，许多指南在完成后一年甚至更久才会发布，此时部分建议早已过时，导致基于证据的临床实践滞后。

本研究贡献：本研究介绍并测试了一种新方法的初步可行性，该方法旨在将临床指南的制定周期从24个月缩短至24周。该方法借助现有的人工智能工具，并结合领域专家的指导意见，以确保遵循伦理标准并实现协作式设计。专家们还指出了未来临床指南需要考虑的关键环节。

对研究、实践或政策的潜在影响：目前的临床指南体系仍有很大改进空间。需要加强跨学科及跨机构的协作，制定能适应不同资源条件的指南，并利用人工智能等技术加快制定速度。

引言：创伤性损伤是美国及全球范围内导致死亡的主要原因之一，这类疾病所涉及的临床指南制定工作往往十分混乱。2024年的一项系统评价显示，大多数创伤相关临床指南都是为高收入地区的医疗环境制定的。因此，目前有许多机构正在努力为资源有限的地区开发更易于获取、基于证据的创伤护理指南，以便在这些外科医生数量不足或技能不够的情况下帮助临床决策。然而，不完善的医疗网络、时间限制和资源匮乏等问题使得临床指南在实际应用中存在诸多困难。结果就是，这些指南无法实现其保障高质量临床护理的初衷。多项研究都反映了这一问题，例如2016年的一项系统评价和荟萃分析发现，全球范围内遵循静脉血栓栓塞症预防指南的比例正在下降。另一项关于世界卫生组织《基本创伤护理指南》的研究则显示，全球只有不到30%的地区对这些指南进行了部分应用。威尔逊等人对20份创伤相关临床指南进行了评估，发现其中大多数并未考虑用户体验和患者友好型资源。这种缺乏落实意识的状况最终会导致不良的临床后果。赖斯等人指出，由于护理标准出现偏差，受伤患者的30天和90天死亡率上升了三倍。戈迪尔等人的研究也得到了类似结果，他们发现遵循临床指南能够降低创伤患者24小时和30天的死亡率。

除了未能解决指南实施中的实际障碍外，快速、及时地制定指南并广泛传播这些指南，也会进一步加剧基于证据的临床护理的困难。据估计，仅有14%的现有研究成果需要平均17年才能应用于临床实践。而且，许多临床指南在完成后一年甚至更久才会发布，此时很多作为指南依据的研究成果早已过时。等到指南发布时，可能已经出现了新的研究或干预措施，部分建议也会变得不再适用。因此，即便临床工作者遵循了当前的指南，仍然存在知识缺口，基于证据的临床实践也会出现滞后。

临床指南适配框架为将现有指南引入特定本地环境提供了逐步指导。目前已有多种此类框架，包括“实践指南评估与适配循环”“系统性指南审查”“ADAPTE”“阿尔伯塔大使计划适配流程”“指南适配与实施规划资源”“通过让GRADE成为首选来简化指南的全国性适配与呈现流程”“改良版ADAPTE”“指南研究与应用评估II”以及“推荐分级、评估、开发与评价——采纳、适配与发展”等。不过，尤其是在资源匮乏地区以及低收入和中等收入国家，关于临床指南适配及其实际应用的效果仍存在不少未知之处。哈里森等人发现，临床指南的适配过程往往需要超过24个月才能完成。

创伤护理领域的专家们呼吁采用新的方法，提出了一系列策略，包括推动专业协会之间的协作、针对具体应用场景设计初步的临床研究、有系统地确定适合制定指南的临床主题、提高作者代表性的透明度、规划定期对指南进行审查和修订、提升指南的易查找性、优化用户体验、广泛传播指南，以及采用开放获取和开放许可模式。

随着人工智能在医疗领域的广泛应用，如今的创伤护理正在发生变革。机器学习和大型语言模型能够帮助医疗从业者在电子健康记录中获取治疗建议、提升影像诊断能力、实现患者监测、自动化医疗设备操作、转录医患对话内容等等。鉴于创伤护理领域的需求以及人工智能领域的最新发展，我们推测，可以利用人工智能来改进现有的临床指南制定流程。与那些主要用于检索或更新临床指南的现有人工智能平台不同，本研究着眼于将人工智能作为一种结构化工具，用于直接编写和开发指南。这种方法在提供基于证据的推荐时，会遵循伦理标准，并充分考虑不同资源条件的影响。如此一来，就能将临床指南的制定周期从选题到形成可直接使用的决策树，缩短至24周。本文介绍了在2025年“为实施而设计：创伤研究与临床指南的未来”会议上，针对这一假设方法与领域专家进行的初步可行性测试情况。

方法：临床指南制定的12步方案
基于先前的研究结果，本研究提出了一个12步框架（见表1），以简化临床指南的制定流程。该方案结合了敏捷方法论——注重灵活性、协作和持续反馈，而非僵化的长期规划——以及“实用、稳健的实施与可持续性模型”框架，以提高方案的扩展性和长期可持续性。这个12步框架涵盖了从确定以患者为中心的临床主题、组建结构化工作组、利用人工智能辅助整合证据，到通过反复协商形成最终方案，最终得到一种能适应不同资源条件、可直接用于临床的决策算法。

表1：临床指南制定的12步方案

研究背景与参与者
为了收集领域专家的反馈意见，我们在2025年2月19日至20日于美国伊利诺伊州芝加哥举行的第二届“为实施而设计：创伤研究与临床指南的未来”会议上，邀请了关键合作伙伴参与，包括创伤护理专家、专业协会领导、方法学家、患者代表、技术专家以及市场专家。我们采用便利性滚雪球抽样法招募现场参与者。本研究已获得科罗拉多州多个机构审查委员会的批准，编号为CB F490、COMIRB No: 24–1608和COMIRB #: 22–0626，因此无需再经过机构审查委员会的审批。共有70人现场参会，65人通过Zoom视频方式参与。

会议结构与活动
会议期间举行了两次分组讨论会，每次会议都会讲解12个步骤中的某一个，同时还会通过针对每个步骤的一系列问题，邀请参与者提供初步的流程反馈（详见在线补充材料1）。这些会议的目的是让参与者思考一种结合同步与异步方式、借助人工智能加速、由领域专家参与、由证据整合专家和伦理学家监督的流程，以此制定出与实际需求相匹配、并能直接用于临床的决策树。参与者可以通过口头表达或匿名投票平台（Slido；https://www.slido.com/）给出反馈。在半结构化的焦点小组中，当参与者提出疑问或提出改进建议时，会进一步探讨相关问题。

在两次分组讨论会结束后，又从9名领域专家中挑选出一个小组，对他们进行这项新策略的试点测试。选择这些专家是基于他们的研究经验、在临床指南制定方面的参与程度。我们尽力确保该小组中包含足够的患者倡导者、医生、护士和方法学家代表，从而模拟出实际临床指南制定过程中应有的构成。

可直接使用的决策树
随后，向参与者展示了使用现成的人工智能工具开发的初步算法草案。作为试点，我们选择了损伤控制复苏算法中的容量复苏部分。选择这一部分的原因是它近期才发表，且具有全国性创伤护理合作的代表性。我们将该算法的所有参考文献输入ChatGPT-4 Plus中，然后编写查询语句，让ChatGPT协助起草临床算法。我们对输出结果进行审核，并不断调整查询语句，直到生成的算法具备基本的临床实用性和准确性。之后，我们又通过一系列提示，让ChatGPT总结参考文献、生成要点式的推荐意见，再将这些推荐意见转化为临床决策树。

这个由人工智能生成的容量复苏临床决策树被展示在一个交互式平台上（Miro；www.miro.com/app），以便实时编辑并整合用户的反馈意见。首先，要求领域专家通过移动端调查工具进行异步审核，他们对算法中的每个节点表示同意或提出修改建议。之后，主持人会带领大家查看异步投票的结果以及相关修改建议的详细说明。

会议后的调查
最后，我们通过Microsoft Forms（微软公司，2024年）向所有参与者发放了一份匿名调查问卷，通过李克特量表形式收集他们对这种新的12步临床指南制定方法的最终看法，以及对未来临床指南发展前景的见解。

数据分析
领域专家在分组讨论会中的反馈是通过匿名投票平台Slido（https://www.slido.com/）收集的。所有参加会议的领域专家都被邀请参与这项活动，并通过自由文本形式提交意见。我们通过归纳编码法，将这些意见归纳为不同的主题类别，包括：患者倡导、工作组组建、项目管理、工作量安排、指南的传播与实施科学、资金支持机会、信息与技术、多语言支持、人工智能伦理标准、专家意见、激励机制的一致性、责任界定、资源差异性、共识形成方法、共识形成的数量标准、对共识分歧的理解以及国家层面的激励措施。为了更好地体现每个主题的内容，我们还加入了相关参与者的原话。研究人员根据专家们之前在创伤指南制定方面的参与经验、城乡实践经验以及研究背景，有针对性地挑选出了这个专家小组。该小组对算法的每个组成部分进行了审核，并通过结构化的投票方式匿名表示同意或提出修改意见。当选择“修改”时，专家们会被要求通过Slido平台提供文字反馈，以阐明他们的担忧或提出具体的修改建议。他们的投票结果以占总投票数的百分比形式呈现，便于分析并找出各方达成共识的领域。由于样本量较小，且本研究属于探索性研究，因此该专家小组的样本不足以进行推断性比较，所以这些结果仅以描述性统计数据的形式呈现。这项研究并非旨在检验临床效果，而是评估流程的可接受性以及各方意见的一致性。对自由文本形式的建议进行了归纳编码，并将其归为以下主题类别：患者权益维护、资源差异的问责机制、详细建议的必要性、不同人群的问责要求以及格式问题。

结果：12步法的视角
共有70名现场参与者以及最多65名在线参与者，他们来自不同的专业领域，包括创伤治疗专家、专业协会领袖、方法学专家、患者代表，还有技术和市场营销方面的专家。在两次分组讨论中，这些专家提出了自己的意见，并非所有步骤都引发了反馈或评论（见表2）。专家们希望纳入更多患者和患者权益维护者，确保医疗服务提供者和不同工作环境（如资源匮乏、中等资源水平和高资源水平的环境，以及农村和城市地区）都有充分的代表性，同时他们也表达了对于缺乏参与度和时间限制的担忧。此外，他们还强调了需要更用户友好的功能，比如离线内容访问、基于移动应用的医疗信息、多种语言版本的信息以及开放获取的信息。大家一致认为，有必要对人工智能辅助的步骤进行审查，并制定实施和推广策略以确保其可持续性。

表2：专家分组讨论中对12步法的看法
在针对使用人工智能技术优化的大量输血复苏方案的初步算法进行的试点测试中（见图1），由9名专家组成的小团队（1名患者权益维护者、3名方法学专家和5名创伤治疗专家）再次指出，需要增加能够反映资源差异、设备状况及专业人员配备情况的决策树节点，同时建议提供更具体的建议以及更多关于治疗方案的信息（如适用范围、年龄、监测时机和方法、纳入标准、合并症及实验室检测数值等），还需要设定更多针对不同人群的阈值，避免出现重复或冗余的建议和连接路径（见表3和图2）。大多数建议的认同率低于60%。只有血压相关建议获得了100%的认同；而那些认同率较低（22%）的建议则被认定为冗余或存在信息缺失。

图1：人工智能辅助的大量输血复苏算法示意图。AI表示人工智能；IO表示骨内给药；IV表示静脉注射；SBP表示收缩压；TBI表示创伤性脑损伤；MAP表示平均动脉压；FAST表示用于创伤评估的超声检查方法；BD表示基底节功能缺损；MTP表示大量输血方案；RBC表示红细胞；INR表示国际标准化比值。

表3：专家对人工智能辅助算法的试点测试反馈

图2：结合专家反馈后的人工智能辅助的大量输血复苏算法示意图。AI表示人工智能；IO表示骨内给药；IV表示静脉注射；SME表示行业专家；SBP表示收缩压；TBI表示创伤性脑损伤；MAP表示平均动脉压；FAST表示用于创伤评估的超声检查方法；BD表示基底节功能缺损；MTP表示大量输血方案；RBC表示红细胞；INR表示国际标准化比值。

会议后的调查
在最后的反馈环节中，共有56名参与者（49名现场参与，7名在线参与）通过会议后的调查表达了他们对未来临床指南开发工作的看法。79%的受访者（n=44）认为当前的临床决策现状仍有改进空间。尽管该算法仍处于测试阶段，仅仅是未来临床指南可能发展形态的非常初级的原型，但仍有64%的受访者相信，人工智能能够有效整合复杂的临床指南内容，助力将研究成果更好地应用到实际诊疗中。最后，超过70%的参与者认为，用户友好性、界面设计、个性化设置功能、内容的实用性以及伦理考量，都是打造便于在临床一线使用的指南工具的重要因素。

讨论
研究团队提出了一种12步法，旨在利用大型语言模型和现有的人工智能技术来减轻行业专家目前的负担，从而改善当前临床指南的开发现状。不过，研究也强调了行业专家意见的不可替代性，而要运用人工智能辅助制定指导步骤，就需要建立相应的标准并经过监管审核，以确保整个开发过程的质量。在会议上与行业专家共同探讨这一新方法后，人们进一步认识到，确保合理的代表性（如涵盖农村、城市、高资源水平、中等资源水平和资源匮乏地区）、由医疗从业者和科学家组成的多学科团队、患者权益维护者的参与、多系统/多机构间的协作，以及遵循标准的框架，都是十分重要的。专家们的担忧主要集中在时间不足、资金短缺、项目的可持续性、项目协调与管理、能否根据资源差异进行调整，以及最终产品的实施和推广等方面。当一小部分专家测试了一个非常初级的、基于人工智能技术的临床决策树（用于大量输血复苏的决策制定）时，他们对内容、表述方式和格式等方面的要求变得更加细致；不过，他们再次强调了在临床决策支持系统中纳入资源差异这一关键点。

如前文所述，目前的临床指南开发工作远未达到理想状态，与现有的临床实践之间存在超过10年的差距；而且，目前用于临床指南开发的周期通常在1年到2年之间。鉴于临床决策离不开基于高质量临床指南的持续规范护理，因此迫切需要改进这一流程。此外，当面临疫情、社会政治冲突或自然灾害等情况，需要能够考虑资源差异以及新疾病未知特性的临床决策支持时，现有的时间安排就难以满足需求。一些机构已经开始携手合作，共同努力寻找更实用的临床指南开发方法。《英国医学杂志》《澳大利亚实用证据协作组织》、世界卫生组织以及中风基金会都与MAGIC证据生态系统基金会建立了合作关系，旨在快速制定可靠的建议，以提升优质护理服务的提供水平。例如，《英国医学杂志》就发布了关于低强度脉冲超声波促进骨折愈合的快速建议。

在证据整合和技术发展方面取得的进步，为未来临床指南的发展带来了希望。Khraisha等人评估了市场上最主流的大型语言模型之一ChatGPT-4在各类文献及不同语言版本的标题/摘要筛选、全文审阅以及数据提取方面的表现。结果显示，该模型在筛选和数据提取方面的表现参差不齐，但在对全文文献进行审阅时，其表现已接近“人类水平”。我们提出的方法以大型语言模型为基础，以结构化的方式加快开发进程，同时确保有监管机构进行监督，还有行业专家对整个流程进行管理，从而保障指南的质量和问责性。

最后，与现有研究结论一致，行业专家们也指出，临床指南的开发需要多学科之间的协作，这样才能确保制定的建议既具有相关性，又具备严谨性和高质量。跨学科的方法能够结合不同的背景条件（如不同的人群、文化背景和医疗体系），从而打造出更具适用性、灵活性和可操作性的临床指南。指南国际网络就是这样一个合作的典范，它汇集了来自46个国家的93个机构和89位个人，共同致力于为临床指南的开发制定国际标准。

局限性
大部分参与者来自城市地区、学术机构以及资源充足的医疗环境。虽然在线参与是开放式的，并不限于此类环境，但来自农村地区、资源匮乏地区以及社区医疗机构的参与者比例偏低，这可能在反映行业专家的观点时带来潜在偏差。因此，某些建议可能基于那些资源更为充足的地区的实际情况，假设了相应的人员配备、基础设施、亚专科服务及诊断能力。如果不考虑这些差异，所制定的建议在可行性、可接受度和实际应用程度方面可能存在差异，进而影响指南的可实施性，也无法实现护理标准的统一。为了解决这个问题，在人工智能辅助算法的试点测试过程中，研究团队有针对性地招募了更多不同背景的专家，包括城市、农村、学术机构以及非学术领域的专家，以平衡各群体的代表性。不过，总体样本量仍然较小，所得反馈的准确性也较低。

此外，人工智能在临床指南开发中的应用仍处于初期阶段，还需要进一步的完善、验证和标准化。尽管所提出的方法旨在考虑资源差异，但研究团队也意识到，这一问题并不仅涉及专业人员配备或基础设施的限制，还包括可能因国家而异的各种医疗规范和系统层面的运作方式，而这些因素在最初的模型中并未得到明确体现。未来的研究应当包括在多种不同类型的医疗环境中开展前瞻性试点项目，以评估所提出的开发流程以及人工智能辅助型指南的可行性、可接受度和实际应用程度。混合式的效果评估研究设计可能有助于对这些努力进行评估和验证。同样，通过循环的“计划-执行-研究-行动”模式，也可以在更大规模推广之前对算法进行不断优化。未来的研究在开发人工智能辅助型指南时，还应当充分考虑伦理标准，比如数据的透明度及其来源、偏见加剧的风险、版本控制与更新管理机制、责任归属问题、所有权以及监管措施等。

结论
目前的临床指南发展现状存在着很大的改进空间。需要重点改进的方面包括推动多学科和多机构之间的协作，制定能够兼顾资源差异的建议，以及运用人工智能等创新技术来加快开发进程。这一点至关重要，因为持续的延误会导致基于证据的临床实践滞后。本文提出的用于创建临床指南的新方法，值得进一步对其模型进行评估和优化。通过这样的努力，可以提高临床指南的一致性、相关性、可实施性和时效性，进而提升各种医疗环境中的护理质量。