
-
生物通官微
陪你抓住生命科技
跳动的脉搏
大语言模型与妇科肿瘤多学科团队治疗决策一致性评估
《BMC Medical Informatics and Decision Making》:Concordance between multidisciplinary tumor board decisions and large language model recommendations in gynecologic oncology: a retrospective study
【字体: 大 中 小 】 时间:2026年10月10日 来源:BMC Medical Informatics and Decision Making 5.5
编辑推荐:
摘要背景多学科肿瘤委员会(MDTB)在制定妇科恶性肿瘤的以患者为中心的治疗策略中发挥着核心作用。近年来,大语言模型(LLM)作为一种潜在的临床决策支持工具崭露头角。本研究旨在评估妇科肿瘤学MDTB决策与两种不同大语言模型(ChatGPT-5.2和Gemini Pro)所生成的
多学科肿瘤委员会(MDTB)在制定妇科恶性肿瘤的以患者为中心的治疗策略中发挥着核心作用。近年来,大语言模型(LLM)作为一种潜在的临床决策支持工具崭露头角。本研究旨在评估妇科肿瘤学MDTB决策与两种不同大语言模型(ChatGPT-5.2和Gemini Pro)所生成的治疗建议之间的一致性,同时探讨这些模型在肿瘤决策中的潜在局限性和安全性相关考量。
本回顾性观察研究纳入了2025年6月至12月间由多学科妇科肿瘤委员会评估的114例患者。在研究期间,所有符合条件的病例均按连续顺序纳入。MDTB会议期间展示的标准化病例摘要通过预定义的系统提示词提交至ChatGPT-5.2和Gemini Pro,其中包含了指定的指南版本和知识截止日期。将LLM生成的建议与MDTB最终决策进行比较。使用Cohen's kappa系数评估一致性,并使用McNemar检验对模型间进行配对比较。
ChatGPT-5.2建议与MDTB决策之间的一致性率为78.9%(n?=?90;κ?=?0.729),而Gemini Pro建议与MDTB决策之间的一致性率为76.3%(n?=?87;κ?=?0.694)。在按诊断分层的分析中,ChatGPT-5.2在输卵管-卵巢癌中表现出最高的一致性(κ?=?0.769),而Gemini Pro在子宫内膜癌中表现出最高的一致性(κ?=?0.759)。在宫颈癌中,ChatGPT-5.2的κ值为0.653,Gemini Pro的κ值为0.595。在MDTB决策一致性方面,模型之间未观察到具有统计学意义的差异(McNemar p?=?0.607)。在探索性手术建议分析中,ChatGPT-5.2显示出更高的特异性(97.7%),而Gemini Pro显示出更高的敏感性(74.1%)。
大语言模型在妇科肿瘤学中与多学科肿瘤委员会决策表现出较高的一致性,可作为临床决策支持的辅助工具。然而,与MDTB决策的一致性并不代表临床准确性或患者安全性。基于文本评估的局限性、患者特异性临床因素的表示不完整,以及个体化治疗方案中可能存在的分歧,凸显了专家医师监督的必要性。因此,LLM应被视为支持性而非替代性工具,用以辅助而非取代多学科临床决策过程。
多学科肿瘤委员会(MDTB)在制定妇科恶性肿瘤的以患者为中心的治疗策略中发挥着核心作用。近年来,大语言模型(LLM)作为一种潜在的临床决策支持工具崭露头角。本研究旨在评估妇科肿瘤学MDTB决策与两种不同大语言模型(ChatGPT-5.2和Gemini Pro)所生成的治疗建议之间的一致性,同时探讨这些模型在肿瘤决策中的潜在局限性和安全性相关考量。
本回顾性观察研究纳入了2025年6月至12月间由多学科妇科肿瘤委员会评估的114例患者。在研究期间,所有符合条件的病例均按连续顺序纳入。MDTB会议期间展示的标准化病例摘要通过预定义的系统提示词提交至ChatGPT-5.2和Gemini Pro,其中包含了指定的指南版本和知识截止日期。将LLM生成的建议与MDTB最终决策进行比较。使用Cohen's kappa系数评估一致性,并使用McNemar检验对模型间进行配对比较。
ChatGPT-5.2建议与MDTB决策之间的一致性率为78.9%(n?=?90;κ?=?0.729),而Gemini Pro建议与MDTB决策之间的一致性率为76.3%(n?=?87;κ?=?0.694)。在按诊断分层的分析中,ChatGPT-5.2在输卵管-卵巢癌中表现出最高的一致性(κ?=?0.769),而Gemini Pro在子宫内膜癌中表现出最高的一致性(κ?=?0.759)。在宫颈癌中,ChatGPT-5.2的κ值为0.653,Gemini Pro的κ值为0.595。在MDTB决策一致性方面,模型之间未观察到具有统计学意义的差异(McNemar p?=?0.607)。在探索性手术建议分析中,ChatGPT-5.2显示出更高的特异性(97.7%),而Gemini Pro显示出更高的敏感性(74.1%)。
大语言模型在妇科肿瘤学中与多学科肿瘤委员会决策表现出较高的一致性,可作为临床决策支持的辅助工具。然而,与MDTB决策的一致性并不代表临床准确性或患者安全性。基于文本评估的局限性、患者特异性临床因素的表示不完整,以及个体化治疗方案中可能存在的分歧,凸显了专家医师监督的必要性。因此,LLM应被视为支持性而非替代性工具,用以辅助而非取代多学科临床决策过程。