AI辅助生成儿童癌症及造血干细胞移植幸存者长期随访建议

《Journal of Pediatric Hematology/Oncology》:AI-Assisted Generation of Long-Term Follow-Up Recommendations for Survivors of Childhood Cancer and Hematopoietic Stem Cell Transplantation

【字体: 大 中 小 】 时间:2026年09月18日 来源:Journal of Pediatric Hematology/Oncology 0.8

编辑推荐:

   **背景:**儿童癌症和造血干细胞移植(HSCT)幸存者需要个体化的长期随访(LTFU)护理,以监测治疗相关的晚期效应。生存者护理计划的制定需要耗费大量人力,并需整合复杂的基于指南的建议。本研究评估了使用大语言模型(LLM)为儿童癌症和HSCT幸存者生成LTFU护理建议草案的

  

**背景:**儿童癌症和造血干细胞移植(HSCT)幸存者需要个体化的长期随访(LTFU)护理,以监测治疗相关的晚期效应。生存者护理计划的制定需要耗费大量人力,并需整合复杂的基于指南的建议。本研究评估了使用大语言模型(LLM)为儿童癌症和HSCT幸存者生成LTFU护理建议草案的可行性。

**方法:**2021年1月至2023年12月在UCSF Benioff儿童医院生存者项目中接受诊治的幸存者符合纳入标准。临床医生依据机构标准和儿童肿瘤学组(COG)长期随访指南(第5版)制定个体化LTFU计划。将脱敏处理后的治疗摘要提供给OpenAI GPT-4o,使用结构化提示词生成AI辅助的建议草案。在两个各包含20名患者的开发队列中进行迭代式提示词优化。最终评估使用一个独立验证队列,包含40名幸存者。以临床医生制定的计划作为操作参考标准,比较AI生成建议与临床医生生成建议的一致性。一致性评估指标包括:AI识别出的临床医生建议占临床医生全部建议的比例,以及AI生成建议中同时出现在临床医生计划中的比例。

**结果:**在40名幸存者中,AI生成建议包含467项,而临床医生生成建议包含446项。在446项临床医生建议中,385项(86.3%)也被AI生成建议所识别。反过来,467项AI生成建议中有385项(82.4%)也出现在临床医生计划中。大多数不一致的建议涉及放射相关暴露以及需要细致临床判断的生存场景。

**结论:**AI辅助生成的生存者护理建议与临床医生生成的建议表现出高度一致性,可能有助于支持在临床医生监督下的生存者护理工作流程。

儿科癌症治疗的进步使长期幸存者群体不断增长,这些幸存者仍面临治疗相关晚期效应的风险,包括继发恶性肿瘤、心肺并发症、内分泌功能障碍、神经认知损害以及心理社会挑战。因此,生存者护理需要根据既往治疗暴露情况和已建立的监测指南制定个体化的长期随访(LTFU)计划。1??

生存者护理计划的制定往往耗时且操作复杂。临床医生必须查阅纵向病历,识别累计治疗暴露,并整合来自多个生存者指南的建议,包括儿童肿瘤学组(COG)长期随访指南和移植特异性监测建议。1?3 尽管生存者健康护照(Survivor Healthcare Passport)和护理护照(Passport for Care)等生存者工具改善了生存者教育和护理协调,但准备包含具体建议的个体化计划仍需投入大量临床医生精力。???

生成式人工智能(AI),尤其是大语言模型(LLM)的最新进展,激发了其在支持临床文档记录和决策支持工作流程中的应用兴趣。先前的研究已探索了AI辅助生成临床建议、文档记录和护理计划在各种医疗环境中的应用。??13 然而,关于LLM在儿科肿瘤学生存者护理规划中应用的数据仍然有限,而该领域的建议依赖于对复杂治疗历史和基于指南的监测策略的细致解读。

在本研究中,我们评估了使用LLM为儿童癌症和造血干细胞移植(HSCT)幸存者生成初步生存者LTFU建议的可行性。我们将AI辅助的建议与儿科生存者项目中依据机构标准和已建立的生存者指南制定的临床医生生存者护理计划建议进行了比较。我们的目标是评估AI辅助与临床医生生成建议之间的一致性,并识别AI辅助工作流程可能需要进一步改进的领域。

## 方法

### 参与者和研究设计

本可行性研究评估了大语言模型(LLM)为儿童癌症和造血干细胞移植(HSCT)幸存者生成初步长期随访(LTFU)护理计划的用途。研究工作流程包括:(1) 医疗保健专业人员(HCPs)准备结构化治疗摘要;(2) AI辅助生成初步生存者建议;(3) 比较AI生成与临床医生生成的LTFU建议。研究整体工作流程见图1。

**图1:** AI生成生存者LTFU建议的研究工作流程

参与者是在2021年1月至2023年12月间在UCSF Benioff儿童医院生存者门诊进行初次就诊的幸存者。纳入患者需在其生存者门诊就诊前至少2年完成癌症治疗或HSCT。通过查阅生存者门诊人群并选择代表我们生存者项目中常见诊断和治疗暴露范围的病例来筛选患者,包括接受HSCT治疗的幸存者。每位患者仅纳入研究一次。

UCSF人体研究委员会审核了本研究,并判定其免于审查。

### 临床医生生成的生存者护理建议

在每次生存者门诊就诊前,医疗保健专业人员使用机构生存者实践标准和儿童肿瘤学组(COG)长期随访指南(第5版)制定个体化LTFU护理计划。计划制定包括详细审查每位患者的诊断、化疗暴露、手术史、放射治疗暴露和HSCT史。

生成的治疗摘要和监测建议被纳入生存者护理计划并存入临床数据库。为研究目的,治疗摘要和相关临床数据在用于AI辅助建议生成之前进行了脱敏处理。

### AI辅助生成LTFU建议

AI辅助的初步生存者计划使用OpenAI GPT-4o生成。结构化提示词纳入了机构生存者实践标准、COG长期随访指南(第5版)以及与生存者护理规划相关额外的基于指南的监测指令。

对于每位患者,将脱敏治疗摘要提供给LLM,由其生成结构化的LTFU监测建议清单及相关随访间隔。涉及心理社会转介、专科会诊和常规体格检查的建议被有意排除在分析之外,以聚焦于监测相关建议。

使用两个各包含20名幸存者的独立开发队列进行迭代式提示词优化。优化旨在提高与基于指南建议的一致性、减少重复输出,并改善对放射相关暴露和机构生存者实践的处理。验证阶段中所有AI生成的计划均使用相同的最终提示词和GPT-4o模型配置。最终提示词随后应用于一个独立验证队列,包含40名幸存者。AI输入和相应AI生成建议的代表性示例见补充图S1,补充数字内容1(https://links.lww.com/MPH/A8)。最终提示词见补充数据,补充数字内容1(https://links.lww.com/MPH/A8)。

### AI生成与临床医生生成建议的比较

AI生成建议与验证队列中临床医生生成的生存者计划建议进行比较。每项独立的监测建议(如超声心动图、血脂筛查和神经心理学测试)被视为分析中的单个建议项目。

建议被归类为:(1) AI生成和临床医生生成建议中都存在的**一致**建议;(2) 仅存在于临床医生生成建议中的LTFU项目;或(3) 仅存在于AI生成计划中的LTFU项目。

所有不一致的建议均由一名在儿童癌症长期随访护理方面具有专长的生存者护士(PM)审查,以确认分类并评估差异是否反映了治疗解释或指南应用的差异。PM负责制定了作为参考标准的大多数临床医生生成的护理计划。裁决未对每项建议的来源进行盲法处理,无第二位审查员独立评估不一致建议,未计算评分者间一致性。存在潜在利益冲突的作者(BT)未参与项目匹配、分类或裁决。验证队列中所有AI生成建议均使用验证前确定的单一最终提示词和模型配置生成。

### 统计分析

以临床医生生成的计划作为比较的操作参考标准。与临床医生生成计划建议的一致性计算为AI生成建议中识别出的临床医生生成建议占临床医生全部建议的比例。同时也计算了AI生成建议中也出现在临床医生生成建议中的比例。

使用描述性统计总结患者特征、治疗暴露和建议一致性。

## 结果

在独立验证队列的40名幸存者中,比较了AI生成与临床医生生成的LTFU计划。验证队列特征见表1。该队列包含具有多样化治疗暴露的幸存者,包括化疗(100%)、放射治疗(27.5%)和造血干细胞移植(40%)。

**表1:验证队列幸存者特征(N=40)**

| | N (%) |
|---|---|
| **诊断年龄** | |
| 2岁以下 | 17 (42.5) |
| 2-8岁 | 14 (35) |
| 9-14岁 | 5 (12.5) |
| 15岁及以上 | 4 (10) |
| **主要诊断** | |
| 血液系统恶性肿瘤 | 15 (37.5) |
| 实体瘤 | 17 (42.5) |
| 中枢神经系统肿瘤 | 1 (2.5) |
| 非恶性诊断 | 7 (17.5) |
| **治疗暴露** | |
| 化疗 | 40 (100) |
| 放射治疗 | 11 (27.5) |
| HSCT | 16 (40) |

临床医生生成建议包含446项,而AI生成建议包含467项。在446项临床医生生成建议中,385项(86.3%)也被AI生成建议识别。反过来,467项AI生成建议中有385项(82.4%)也出现在临床医生生成建议中。

临床医生生成建议与AI生成建议之间的总体一致性总结见图2。AI未能识别出临床医生建议中存在的61项内容,而82项内容仅由AI生成。

**图2:** 临床医生生成建议与AI生成建议在大多数随访项目上达成一致

在AI未识别出的61项临床医生建议中,最常见的包括:神经心理学测试(10项)、血脂筛查(8项)、心电图检查(6项)、超声心动图(5项)和临床乳房检查(5项)。在仅由AI生成的82项建议中,最常见的包括:尿液分析(17项)、肾脏超声(14项)、结肠镜检查(7项)、维生素D监测(6项)和骨密度评估(5项)。这些类别总结见表2。

**表2:AI生成与临床医生生成LTFU计划之间最常见的不一致建议**

| # 项目数 | 前5项仅由临床医生生成的建议 (n=61) | 前5项仅由AI生成的建议 (n=82) |
|---|---|---|
| | 神经心理学测试 — 10 | 尿液分析 — 17 |
| | 血脂检查 — 8 | 肾脏和膀胱超声 — 14 |
| | 心电图 (EKG) — 6 | 结肠镜检查 — 7 |
| | 超声心动图 (ECHO) — 5 | 维生素D水平 — 6 |
| | 临床乳房检查 — 5 | 骨密度评估/DEXA — 5 |

## 讨论

在本可行性研究中,AI辅助生成的LTFU建议与临床医生为儿童癌症和造血干细胞移植幸存者生成的建议表现出高度一致性。使用受生存者指南和机构实践启发的结构化提示词,大语言模型生成了与临床医生生成建议高度一致的初步建议。

儿童癌症幸存者群体的增长增加了对高效且可扩展的生存者护理交付模式的需求。??? 然而,生存者项目经常面临运营挑战,包括资源有限、耗时的病历审查以及实施不断演进的基于指南建议的复杂性。?,? 制定个体化生存者护理计划通常需要综合详细的治疗暴露信息与来自多个生存者指南的建议。1?3 我们的研究结果表明,大语言模型可能具有作为临床工作流程支持工具的潜在价值,能够在保持临床医生监督的同时协助生成初步生存者护理计划草案。

在临床实践中,AI生成的建议旨在作为初步草案而非最终生存者护理计划。由于主要风险是遗漏适当建议而非纳入不当建议,因此临床医生的审查应结构化进行。临床医生应核实治疗暴露情况,仔细审查放射相关建议,确认机构特定的生存者实践,并在最终确定护理计划前纳入患者特定的临床考量。此工作流程利用了AI起草的效率,同时保留了临床医生对最终计划的创作权和责任。

我们研究中大多数不一致建议涉及放射相关暴露以及需要细致解释治疗历史的生存场景。这些发现凸显了当前大语言模型系统的一个重要局限性:当建议依赖于复杂的语境解读或机构特定的生存者实践时,模型表现可能有差异。在先前的AI生成临床建议和护理计划评估中也报告了类似观察结果,其中AI系统展示了令人满意的表现,但在复杂临床场景中需要临床医生的审查和改进。12?1? 因此,我们研究中观察到的差异支持将AI生成建议作为支持性草案文档而非自主临床建议的角色。

仅由AI生成的计划中识别出的若干建议也可能反映了生存者实践模式的变异性以及基于指南的筛查建议的解读差异。生存者建议在不同临床医生和机构间可能有所不同,特别是在证据有限或本地实践标准存在差异的领域。因此,本研究中的临床医生生成计划应被视为比较用的操作参考标准,而非绝对的"金标准"。1?3

本研究存在若干局限性。首先,这是单中心可行性研究,验证队列相对较小。其次,提示词开发纳入了机构生存者实践标准,可能无法推广到其他临床环境。第三,本研究评估的是建议的一致性,而非临床结局、医生效率、实施指标或以患者为中心的结局。此外,AI生成建议的评估是在临床医生已制作治疗摘要之后进行的;因此,本研究不涉及从电子病历中自动提取治疗信息,而后者仍然是生存者护理规划中的一个主要运营挑战。??11

此外,不一致建议由一名未盲法的单一审查员裁决,而该审查员制定了大多数临床医生生成计划,且未评估评分者间一致性。尽管对临床医生生成计划的熟悉降低了误读其意图的风险,但不能排除裁决偏倚。未来的验证研究应纳入盲法双重裁决和正式的评分者间一致性评估。

最后,本研究采用目的抽样而非随机或连续抽样来选择患者,以覆盖我们的生存者随访计划中各种诊断和治疗暴露类型,这引入了潜在的选择偏倚。验证队列中高度集中了造血干细胞移植生存者,并纳入了少量中枢神经系统肿瘤生存者;由于中枢神经系统肿瘤生存者通常接受颅部放疗——即人工智能一致率差异最大的暴露类别——在观察到的队列中可能高估了人工智能在更大比例中枢神经系统肿瘤生存者中的实际表现。尽管存在上述局限性,本研究仍证明了在结构化、以指南为依据的框架内,将大语言模型应用于生存者照护计划制定的可行性。未来工作将集中于改进复杂放疗暴露的识别、通过提示词迭代优化纳入机构特有的生存者随访实践,并评估与结构化电子病历数据的整合以实现治疗信息的自动提取。由于大语言模型版本的不断演进可能导致性能变化,当底层模型或提示策略发生修改时,必须进行重新验证。总之,本研究显示,人工智能辅助生成的生存者照护计划与临床医生制定的建议具有高度一致性。这些发现支持进一步研究大语言模型辅助工作流,作为儿科肿瘤及移植生存者随访计划中的辅助工具。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号