AI辅助生成儿童癌症与造血干细胞移植幸存者的长期随访建议
核心概要
该可行性研究将去标识化治疗摘要输入OpenAI GPT-4o，用结构化提示生成儿童癌症与造血干细胞移植幸存者的长期随访建议草稿，并在40名幸存者的独立验证队列中与临床医生依据机构规范和儿童肿瘤协作组长期随访指南（第5版）制定的建议比较，发现AI生成467条、医生生成446条，446条医生建议中385条（86.3%）被AI识别，467条AI建议中385条（82.4%）也见于医生计划，多数不一致集中在放疗相关暴露和需要细致临床解读的幸存者情境。
FIGURE 1 Open multimedia modal Study workflow for AI-generated survivorship LTFU recommendations.
PubMed深度剖析
研究显示大语言模型可在结构化提示下生成与临床医生建议高度一致的长期随访建议草稿。 此前关于LLM用于临床建议、文档和护理计划的研究多在其他医疗场景，儿童肿瘤幸存者随访规划的数据有限；本研究把GPT-4o应用于该场景并报告了双向一致率。 在40名幸存者的独立验证队列中，医生建议446条中385条（86.3%）被AI识别，AI建议467条中385条（82.4%）见于医生计划；队列包含化疗100%、放疗27.5%、HSCT 40%。
不一致建议主要集中在放疗相关暴露和需要细致临床解读的幸存者情境。 研究具体列出了差异类别：医生独有建议中最常见为神经心理测试10条、血脂筛查8条、心电图6条、超声心动图5条、临床乳腺检查5条；AI独有建议中最常见为尿液分析17条、肾和膀胱超声14条、结肠镜7条、维生素D监测6条、骨密度评估5条。 差异由一名在儿童癌症长期随访方面有专长的幸存者护理人员复核分类，但未设盲、无第二评审、未计算评分者间一致性。
研究把AI生成建议定位为供临床医生监督的初稿，而非最终随访计划。 作者指出主要风险是遗漏适当建议而非加入不适当建议，因此建议临床医生核对治疗暴露、重点审查放疗相关建议、确认机构特定实践并纳入患者个体情况。 该定位来自本可行性研究的讨论与结论，属于作者基于一致性结果提出的工作流建议，而非临床结局或效率指标的直接证据。
启示与展望
该研究适用于在结构化、指南知情框架下为儿童癌症和HSCT幸存者生成长期随访建议草稿，供临床医生监督使用；其提示基于机构幸存者实践和COG长期随访指南第5版，验证队列为单机构40名幸存者，且AI建议是在临床医生已准备好治疗摘要之后生成的，因此不涉及从电子病历自动提取治疗信息。
读者仍需关注：差异裁定由一名未设盲、且准备了多数医生计划的评审完成，评分者间一致性未计算；患者为有意选取而非随机或连续抽样；验证队列中CNS肿瘤幸存者很少，而颅脑放疗是AI差异最大的暴露类别，因此观察到的符合率可能高估在CNS肿瘤比例更高队列中的表现；此外，模型或提示策略变化时需要重新验证。