临床记录生成不再全靠前沿模型:4B小模型加验证栈,四分之三病例留在本机,接受率与前沿持平
临床对话转SOAP记录量大且不容许编造,一个4B参数的小模型配上固定的四评审验证栈后,在事实蕴含上接近前沿模型,缺口集中在章节间结构排布。把验证器的拒绝当作升级信号,端到端接受率达到99.6%,与只用前沿模型的98.4%在统计上无法区分,同时四分之三的病例不再调用前沿生成。
临床对话转SOAP记录量大且不容许编造,一个4B参数的小模型配上固定的四评审验证栈后,在事实蕴含上接近前沿模型,缺口集中在章节间结构排布。把验证器的拒绝当作升级信号,端到端接受率达到99.6%,与只用前沿模型的98.4%在统计上无法区分,同时四分之三的病例不再调用前沿生成。
该系统综述检索PubMed与Embase(2025年7月9日)并纳入23项研究,按患者沟通与教育(19项)、临床文档(2项)和临床决策支持(2项)三个域评估生成式AI(以ChatGPT 3.5/4为主)在髋膝关节置换中的应用:盲评显示其FAQ回答在准确性、清晰度和完整度上与外科医生回答相当而可读性更好;同意书起草在可读性与完整度上优于外科医生版本;手术记录信息抽取一致率达97.5%–100%;决策支持中手术适应证判断准确率较高但预后预测特异度低;同时存在引用虚构与患者信任不足的问题。
该研究通过对德国某区域医师网络中34名眼科医生(中位年龄49岁,47%为女性)进行匿名在线问卷调查,发现多数受访者将20–39%的工作时间用于临床文档记录,约四分之三对可靠且安全的环境记录系统表示出使用兴趣,主要感知益处是减少文档时间和增加患者诊疗时间,主要障碍是AI可靠性、与现有IT系统的整合及数据保护方面的顾虑,且受访者更偏好本地部署方案而非云端方案。
这项在单一三级学术医疗中心开展的回顾性队列研究,利用2024年入院、住院时长2至14天的成人住院患者随机划分出的验证集(n=860)与测试集(n=886),让大语言模型基于06:00索引时点前30小时的临床文书预测当日出院,发现基线GPT-5提示在验证集上F1为0.48、敏感度为0.37,定性错误分析显示错误最多来自运营流程而非医学知识,而在三种推理期优化策略中,自动提示优化在留出测试集上取得更高的F1与敏感度(但阳性预测值与特异度更低),测试时扩展与专家主导的提示工程改进甚微。
该范围综述按PRISMA-ScR指南检索EMBASE、PubMed(MEDLINE)、CINAHL、SCOPUS与Cochrane数据库并辅以引文检索,从252条记录中纳入12项研究,发现其中仅3项提供原始数据(1项泌尿外科原始研究、1项泌尿外科专家评论、1项含手外科调查数据的叙述性综述),其余多为叙述性综述,且多数综述所引证据来自非外科专科,提示环境听写AI在手术专科的实证研究仍很稀疏。
已读完全部报道