监督微调大语言模型用于炎症性肠病诊断与预后的观察性对照评价

人工智能 2026-11-21 6 阅读

World Journal of Gastroenterology · 2026-11-21 · 期刊论文

  • 一句话结论:经监督微调(SFT)构建的IBD专用大语言模型在人文关怀、临床判断、沟通技巧与组织效能四项评分上高于住院医师,但诊断准确性低于住院医师;提示其可作为辅助工具而非独立诊断者。
  • 研究设计与做法:研究为观察性研究:以真实世界电子健康记录筛选高质量病历用于SFT,构建IBD-LLM,并与住院医师进行头对头比较;具体病例数、医师人数与随访时长材料未报告。
  • 主要结果:5分制评分:诊断准确性IBD-LLM 2.88 vs 住院医师3.47(P=0.001);人文关怀4.18 vs 3.47(P=0.001);临床判断4.39 vs 3.41(P=0.001);沟通技巧3.88 vs 3.53(P=0.002);组织效能4.11 vs 3.74(P=0.003)。通用LLM在IBD诊疗上表现欠佳,但响应一致性与无害性得到确认;两类模型输出均未观察到安全风险或AI幻觉。
  • 机制或解释:作者解释为:有限样本经SFT即可构建专科模型,其在部分维度接近或超过住院医师,但诊断准确性仍偏低,故定位为主治医师监督下的辅助工具;具体机制未深入讨论。
  • 局限与边界:局限包括:观察性设计、单中心真实世界病历来源、样本量未报告、评分依赖人工评价的主观性、缺乏真实临床结局验证;利益冲突材料未报告。
  • 可否落地:对临床的含义是专科LLM可缓解人力压力并提升部分服务维度,但诊断环节仍需医师把关;对科研的含义是提示需更大样本与结局导向验证。证据档位为C,属「提示」级别,不足以下结论。

🔗 打开原文

Shi-Ming Zhou, Ming-Jun Zhang, Shu-Lin Zhang 等


本文摘自《每日前沿研究简报 · 2026-11-21》「AI 科研智能体 / AI 科学家」。本内容仅用于研究信息整理与科普交流,不构成医疗建议。

评论 共 0 条

暂无评论

微信小程序

微信扫一扫体验

立即
投稿

微信公众账号

微信扫一扫加关注

发表
评论
返回
顶部