多中心评估大语言模型与肝病医师预测药物性肝损伤预后

Liver international : official journal of the International Association for the Study of the Liver · 2026-10-01 · 期刊论文

• 一句话结论：在药物性肝损伤（DILI）预后预测中，大语言模型（Gemini-2.5 Pro、GPT-5.1）的AUROC接近高年资肝病医师，但准确度与特异度均低于医师，提示其或可作为临床医师监督下的辅助工具，尚不足以独立替代医师判断。
• 研究设计与做法：多中心队列研究，纳入3个中心共943例DILI患者，分内部与外部队列，随访12个月；结局分为恢复、6/12个月慢性化与死亡；由大语言模型、初/中/高年资肝病医师及Hy's Law、nHy's Law、MELD评分分别估计结局概率，并采用VOTE、OR、AND等LLM-Rules整合。
• 主要结果：6个月慢性化方面，高年资医师AUROC最高（0.61），准确度70%；Gemini-2.5 Pro与GPT-5.1的AUROC分别为0.60与0.59，优于初、中年资医师；Gemini-2.5 Pro与高年资医师一致性最强（κ=0.43）。总体死亡方面，高年资医师AUROC最高（0.87），准确度83%；Gemini-2.5 Pro与GPT-5.1均为0.86，优于初年资医师、Hy's Law与nHy's Law；GPT-5.1与高年资医师一致性最强（κ=0.25）。12个月慢性化结果类似。
• 机制或解释：作者未在摘要中阐述模型预测差异的生物学或算法机制，仅提出LLM-Rules（VOTE、OR、AND）可提升稳定性，其中OR规则提高敏感度、AND规则提高特异度；机制层面材料未报告。
• 局限与边界：研究为三中心设计，外部验证队列规模与人群构成材料未报告；随访为12个月，长期结局未知；各模型版本与提示策略可能影响结果；利益冲突与资金来源材料未报告。
• 可否落地：对临床而言，提示大语言模型可作为医师监督下的补充预测工具，但准确度与特异度有限，不宜单独用于DILI预后决策；对科研而言，支持多模型整合规则以平衡敏感度与特异度。证据档位为B，属证据支持其辅助价值、但不足以下结论可替代医师。

🔗 打开原文

Fu H, Du Y, Zhao G 等

本文摘自《每日前沿研究简报 · 2026-10-01》「AI 科研智能体」。本内容仅用于研究信息整理与科普交流，不构成医疗建议。