跳到主要内容
返回时间线
ORBi (University of Liège)来源发表:

如何在全科医学中怀疑长新冠:两例临床案例、两次访谈与人工智能辅助的比利时十二人小组经验

核心概要

这篇教学性经验报告以两例约30岁女性的近期临床情境为例,说明全科医生如何通过按时间顺序重读电子病历并结合经患者同意的录音访谈,把分散的疲劳、认知语言障碍、呼吸与自主神经表现、感觉改变和疼痛重新组合成与长新冠相符的临床构型,同时用语言模型仅从访谈逐字稿中提取临床概念、经医生验证后再与人类表型本体(HPO)比对,并强调保留鉴别诊断、记录功能影响以及在运动后症状加重时采用节奏管理而非固定加量方案。

AI-generated editorial illustration: Comment soupçonner un Long Covid en médecine générale ? Deux cas cliniques, deux entretiens et une aide par intelligence artificielle dans un Dodécagroupe belge

深度剖析

提出并演示了一条可操作的临床路径:从当前就诊出发回溯病历,再用结构化访谈重建“感染前—感染—感染后—用力—恢复—功能影响”的时间线,从而让原本分散在多次就诊中的症状显现为一致轨迹。 相对于把长新冠识别寄托于单项检查或孤立症状的做法,这里把识别重心放在时间重建与功能对比上,并明确没有任何检查能单独确认或排除诊断。 基于两例经匿名化处理的临床情境与两次录音访谈的叙述性分析,属于单一医生的教学性经验报告,未设对照、未做前后测量。

把语言模型限定为“阅读工具”而非诊断工具:先转录,再在不强加诊断或本体的前提下提取临床概念,按临床领域归类,随后逐条核对是否对应HPO术语,并保留逐字稿作为原始痕迹、由医生做最终验证。 与将人工智能直接用于自动诊断的用法不同,这里把人工智能放在叙事材料整理这一次级环节,并明确其可能出错、可能虚构术语对应关系。 描述了一条四步顺序流程,但文中说明该人工智能辅助分析与HPO映射未经过独立的方法学验证,属于探索性使用。

给出五个用于问诊的简单问题(用力后发生什么、恢复需要多久、记忆与语言及日常组织是否改变、是否有提示自主神经功能障碍的表现、嗅觉味觉疼痛及对声光耐受是否改变),目的不是计分而是找回症状的动态。 相对于以症状计数为导向的清单,这组问题聚焦触发、加重、波动、恢复与功能丧失。 由两例情境归纳而来,作者明确说明其不构成诊断评分。

强调在缺乏适用于全部患者的病因治疗的情况下,倾听、承认、症状治疗、协调照护与为功能影响发声仍是必要的医疗行为;在存在运动后症状加重时,应让活动适应患者限度而非按固定方案加量。 把“没有病因治疗”与“没有医疗作为”区分开来,并引用世界卫生组织关于节奏管理与能量保存的建议,指出在运动后症状加重时渐进加量并非中性策略。 依据国际建议(NICE、CDC、WHO、法国HAS)的转述与作者临床经验,而非新的试验数据。

启示与展望

该结果面向在不确定中工作的全科医生及其同行小组,适用于诊室层面:按时间重读病历、开展结构化访谈、记录功能影响、保留并存诊断假设,并在运动后症状加重时采用节奏管理。它也为把叙事材料整理为可共享表型词汇提供了一种探索性做法,其适用前提是医生保留最终解释与验证责任。作者指出后续步骤包括在多个同行小组(尤其是十二人小组)中复现该形式、收集参与者的问题、评估其询问患者方式的变化,并与其他继续教育形式比较。

读者仍会关注:该流程在更多医生与更多患者中是否同样可行;语言模型提取概念与HPO映射在独立评估下的稳定性如何;五个问题在实际问诊中是否改变识别时机与照护协调;以及在不同医疗与行政体系中,书写功能史用于发声的效果如何。文中未提供图表或数据表,若需要具体操作细节,仍需参考其列出的国际建议与资源。

来源