大型语言模型在转移性前列腺癌中的临床实用性:为决策支持提供多中心专家验证
Yinsong Chen1, Kangwen He1, Weinuo Qu1
1Department of Radiology, Tongji Hospital, Tongji Medical College, Huazhong University of Science and Technology, Wuhan, Hubei, China.
European journal of cancer (Oxford, England : 1990)
|March 14, 2026
概括
大型语言模型 (LLMs) 在协助转移性前列腺癌 (mPCa) 治疗规划方面表现有前途. 然而,目前的LLM在15-21%的案例中违反了安全值,限制了无监督使用.
科学领域:
- 在瘤学瘤学.
- 人工智能的人工智能
- 医疗信息学 医疗信息学
背景情况:
- 转移性前列腺癌 (mPCa) 的系统治疗规划需要整合复杂的临床和生物标志物数据.
- 大型语言模型 (LLM) 具有潜力,但它们在这个关键应用中的安全性和可靠性尚未得到证实.
研究的目的:
- 评估当代LLM在生成mPCa.的临床摘要和治疗建议方面的安全性和实用性.
- 在238个mPCa案例中评估五个LLM的表现,使用严格的多阶段评估协议.
主要方法:
- 一项多中心的回顾性研究评估了5个LLM在238个mPCa情况下使用零射击提示.
- 输出的安全性由多学科团队评估,而实用性 (准确性,指导方针一致性,定制性,理由) 由医疗瘤学家评估.
- 统计分析包括弗里德曼和科克兰对配对顺序和二进制结果的Q测试.
主要成果:
- LLM的安全率从79.0%到84.9%不等,故障集中在复杂的案件中.
- 安全通过的输出实现了中等的实用性得分 (利克特平均值为4),总结性能有所变化.
- 常见的错误包括数据提取问题,指南逻辑偏差和遗漏的安全检查.
结论:
- 目前的LLM可以作为mPCa护理的起草助理,提高效率.
- 大约15-21%的LLM输出未能通过安全评估,排除了初始治疗规划中的无监督临床使用.
