现实世界临床工作流程中的大型语言模型:对应用和实施的系统审查
Yaara Artsi1, Vera Sorin2, Benjamin S Glicksberg3,4,5
1Azrieli Faculty of Medicine, Bar-Ilan University, Zefat, Israel.
Frontiers in digital health
|October 16, 2025
概括
大型语言模型 (LLM) 在医疗保健中显示出潜力,但面临着整合挑战. 在临床环境中实际使用提高了效率,但需要解决技术和监管障碍,以便更广泛地采用.
科学领域:
- 临床信息学 临床信息学
- 医疗保健中的人工智能
- 医疗保健服务研究 医疗服务研究
背景情况:
- 大型语言模型 (LLM) 通过自动化和决策支持为改善临床护理提供了巨大的潜力.
- 然而,在现实世界中,LLM在医疗保健工作流程中的整合是有限的,并且没有得到充分的记录.
- 本综述通过评估现有的关于在临床环境中实施LLM的文献来弥补这一差距.
研究的目的:
- 在临床工作流程中系统地审查和评估关于大型语言模型 (LLM) 在现实世界中实施的文献.
- 识别与LLM部署相关的常见用例,临床环境和观察结果.
- 描述在将LLMs纳入临床实践过程中遇到的挑战.
主要方法:
- 在MEDLINE,Scopus,Web of Science和谷歌学者中进行了系统的文献搜索.
- 包括2015年1月至2025年4月期间发表的研究,重点是临床环境中的经验性LLM实施.
- 使用PROBAST工具评估了研究质量和偏差风险.
主要成果:
- 在2024-2025年发表的四项研究符合纳入标准,所有这些研究都使用了生成预训练变压器 (GPT).
- 报告的应用包括门诊沟通,心理健康支持,收件箱消息起草和临床数据提取.
- 实行LLM在运营效率,用户满意度和工作量减少方面取得了改进,但面临着性能变化和监管障碍等挑战.
结论:
- 目前的证据表明,LLM可以增强临床工作流程,但其采用受到系统,技术和监管障碍的阻碍.
- 未来的努力应集中在标准化评估,多站点验证和人类监督上,以确保安全和可扩展的LLM集成.
- 定制的实施框架对于在不同临床环境中成功采用LLM至关重要.
