大语言模型在临床伦理咨询中的评估:生成能力、规范多样性与参考准确性
《BMC Medical Ethics》:From structured analysis to normative decision-making: a comparative evaluation of large language models in clinical ethics consultation
【字体:
大
中
小
】
时间:2026年10月08日
来源:BMC Medical Ethics 3.8
编辑推荐:
**摘要**
**背景**
尽管大语言模型在医疗保健领域的应用日益广泛,但关于其在临床伦理咨询中作用的证据仍然有限。本研究评估了这些模型生成咨询报告的能力、对情境和规范多元性的敏感性,以及在何种条件下其使用可能在伦理上具有可辩护性。
**方法**
将四例已发表的临床案
**摘要****背景**尽管大语言模型在医疗保健领域的应用日益广泛,但关于其在临床伦理咨询中作用的证据仍然有限。本研究评估了这些模型生成咨询报告的能力、对情境和规范多元性的敏感性,以及在何种条件下其使用可能在伦理上具有可辩护性。**方法**将四例已发表的临床案例使用标准化土耳其语提示词分别呈现给ChatGPT(基于GPT-4)、Gemini(1.5系列)和DeepSeek(基于V2)。每个模型每例案例生成一份输出,共产生12份报告。四位医学伦理专家在不知晓模型身份的情况下,依据五项标准对报告进行评估,并对评分进行统计学比较。事后探索性定性分析考察了法律和伦理参考文献的准确性、可验证性、时效性和案例相关性,并进一步延伸至个体和本地情境要素以及规范取向。**结果**所有模型均识别了临床和社会维度,认识到伦理问题,并生成了结构化报告。DeepSeek得分为392/400,ChatGPT为383/400,Gemini为381/400,各模型间无统计学显著差异。报告纳入了患者偏好、决策能力、替代决策和照护者关切等要素,但并不总是明确展示这些要素如何在相互冲突的价值之间进行权衡。各模型表现出相似的规范取向,暗示规范多样性可能有所收窄。唯有DeepSeek大量引用了国家和地方的法律与伦理框架,但大多数参考文献不准确、与情境不符或无法验证。这些问题在专家评估和作者初步审阅过程中均被忽略,且这些参考文献最初被认为是报告的亮点。**结论**大语言模型可能有助于临床伦理咨询中的形式化和分析性组成部分,但高分并不能确立对情境敏感、多元或可靠的规范推理。各模型趋同可能削弱伦理上合理替代方案的可见性。尽管有人工审核,仍未能发现不准确的参考文献,这揭示了个体审阅的局限性。模型输出应被视为未经核实的前瞻性评估,其中的法律和伦理主张应与原始来源进行核对,其使用应得到机构监督、本地情境敏感性和规范多元性保障机制的支持。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号