面向循证护理的领域专用大语言模型：EviNurse的开发与多方法评估

《npj Digital Medicine》：A domain-specific large language model for evidence-based nursing: development and multi-method evaluation of EviNurse

　　

摘要

大语言模型（LLMs）在改善医疗证据获取方面显示出潜力，但通用 LLM 通常缺乏领域特定知识，无法充分支持循证护理实践。我们开发并评估了 EviNurse，这是一种旨在促进及时获取高质量护理证据并支持循证决策的领域特定 LLM。我们构建了 NursData，这是一个根据 5S 证据金字塔组织的高质量循证护理数据集，用于支持 EviNurse 的训练、检索和评估。基于 Qwen3-32B，EviNurse 采用监督微调和检索增强生成技术开发，以整合领域特定的护理证据。EviNurse 的评估使用了 3438 道多选题、25 道专家评定的简答题，以及涉及中国大陆所有省份 316 名护士的可用性评估。EviNurse 在多选题基准测试中达到了 91.45% 的准确率，在所评估的模型中排名第二。在专家评估中，EviNurse 总体上显著优于通用 LLM（P < 0.001），在可靠性和满意度方面表现尤为突出，并在外科、儿科、急诊与重症监护领域表现强劲。在所有六个维度上的可用性评价良好，平均分范围为 1.67 至 1.97。这些发现表明，将精选护理证据与领域适应和检索增强相结合可以增强 LLM 在护理领域的表现，并促进获取高质量证据以支持循证护理实践。