大型语言模型在择期美容及外观相关整形外科患者咨询中的应用:系统综述与探索性Meta分析
《International Journal of Medical Informatics》:Large language models for patient-facing consultation in elective aesthetic and appearance-related plastic surgery: a systematic review and exploratory meta-analysis
【字体:
大
中
小
】
时间:2026年10月12日
来源:International Journal of Medical Informatics 5.0
编辑推荐:
摘要背景大语言模型(LLMs)正越来越多地用于向患者提供健康信息,但关于其在择期美容及外观相关整形外科咨询中表现的相关证据仍参差不齐。本综述评估了大语言模型在该场景下所生成回复的范围、质量、可用性、安全性和技术可靠性。方法检索PubMed、Embase、Web of Scie
摘要
背景
大语言模型(LLMs)正越来越多地用于向患者提供健康信息,但关于其在择期美容及外观相关整形外科咨询中表现的相关证据仍参差不齐。本综述评估了大语言模型在该场景下所生成回复的范围、质量、可用性、安全性和技术可靠性。
方法
检索PubMed、Embase、Web of Science核心合集、IEEE Xplore和Scopus数据库,时间范围为建库至2026年9月30日。纳入原始研究,这些研究针对择期美容或外观相关整形外科的面向患者的咨询、教育或围手术期信息任务,生成并评估了大语言模型的回复。结局指标映射至一个涵盖内容质量、患者可用性与沟通、临床安全性和技术可靠性的11项指标框架。使用修订版JBI分析性横断面研究评价工具(针对大语言模型研究进行了预先规定的调整)评估方法学质量。在数据足够可比时,对Flesch-Kincaid年级水平(FKGL)和Flesch可读性易度(FRE)进行了多层随机效应荟萃分析。
结果
纳入38项研究;其中20项比较了多个大语言模型或AI系统,3项直接将大语言模型回复与人类专家进行比较。在418个研究-指标组合中,107个(25.6%)接受了正式定量评估,34个(8.1%)接受了正式非定量评估。医学正确性和完整性被评估得最为频繁,而可操作性和回复生成则研究不足;没有研究正式评估模型稳定性。性能因任务和评价维度而异,在个性化建议、术后分诊和引用可靠性方面存在局限。12项独立研究提供了可读性数据,每项结局分析纳入了11项研究。探索性汇总分析显示异质性非常高(FKGL:I2 = 89.6%;FRE:I2 = 92.7%)。汇总FKGL为11.41(95%CI,10.43–12.39;95%预测区间,7.45–15.36),汇总FRE为39.81(95%CI,34.09–45.52;95%预测区间,19.15–60.47)。较宽的预测区间限制了这些平均值向个别模型或咨询场景的推广。
结论
目前的证据主要支持大语言模型在择期美容及外观相关整形外科中作为临床医师监督下的标准化患者教育和沟通辅助工具的潜在用途。尽管大语言模型可以为常见问题提供一般性的有用信息,但临床有效性尚未确立,证据不足以支持自主个性化手术建议、术后分诊或管理决策。未来研究应优先进行患者层面的理解、治疗预期和具有临床意义的安全结局的验证。
引言
近年来,全球手术和非手术美容手术的总体量始终保持在高位水平[1]。美容整形外科对偏好高度敏感,通常涉及审美目标、治疗预期和对恢复过程的理解。先前的研究表明,考虑接受美容整形外科手术的患者经常在正式咨询之前使用互联网和社交媒体获取信息[2];然而,现有的在线患者教育材料在可读性和可及性方面仍显不足[3],这可能限制了患者对治疗信息的有效理解。
大语言模型(LLMs)能够理解自然语言问题并生成交互式回复[4],为临床沟通中获取信息提供了新的途径。研究表明,大语言模型已被用于回答患者问题、生成或解释患者教育材料、提供围手术期指导以及支持患者与临床医师之间的沟通[5]、[6]。
近年来,大语言模型在整形外科领域的研究迅速扩展,多项研究报告了该模型在该领域的潜力。Kabir等人发现大语言模型的回复与临床指南高度一致[7],其他研究报告了大语言模型在整形外科临床轮转和术中决策中的附加价值[8]、[9],而另有研究指出了信息遗漏、输出不稳定以及跨模型表现不一致等问题[10]。先前的综述总结了大语言模型在整形外科方面的能力[11],但这些证据尚未被系统整合或评价,因此对大语言模型性能进行系统评估十分必要。
为弥补这一空白,本系统综述建立了一个涵盖四个领域的面向患者咨询框架:内容质量、患者可用性与沟通、临床安全性和技术可靠性。我们描述了现有的美容整形外科咨询研究在不同能力维度上的覆盖情况以及大语言模型回复的表现,综合了模型之间以及模型与人类专家之间的比较。我们还评价了所纳入研究的方法学特征和质量,并在数据足够可比的情况下,对可读性结局进行了探索性荟萃分析。
章节摘要
研究设计与报告
本系统综述和探索性荟萃分析遵循PRISMA 2020声明[12];筛选流程和核查清单分别如图1和补充文件1所示。本综述未进行前瞻性注册。由于仅分析已发表文献,无需伦理审批。
纳入标准
采用PICOS框架制定纳入标准。临床范围为主要以
研究筛选
共识别出1,360条记录。去除519条重复记录后,对841条记录进行筛选,排除772条;在69份报告中,2份全文无法获取,67份进行了资格评估,其中29份被排除,最终38项研究纳入综述(图1)。所有研究均针对11项指标进行了编码,12项独立研究为可读性荟萃分析提供了数据。研究纳入决策的观察者间一致性为91.04%,Cohen's κ为0.818(95%
主要发现与意义
本系统综述纳入了38项研究,综合了大语言模型在美容及外观相关整形外科面向患者咨询中的应用和评估结果。总体而言,大语言模型在介绍常见手术、描述一般风险、术前患者准备和解释常规恢复方面表现良好,但其医学正确性、患者可用性、临床安全性和技术可靠性并不一致,且在
结论
目前的证据主要支持大语言模型在择期美容及外观相关整形外科中作为临床医师监督下的标准化患者教育和沟通辅助工具的潜在角色。然而,这些证据尚未确立患者理解、决策或临床结局的改善,也未确立自主个性化建议、术后分诊或管理决策的安全性或有效性。这些发现不支持用大语言模型替代
CRediT作者贡献声明
沈云智:写作——审阅与编辑,写作——初稿撰写,方法学,数据管理,概念化。居兴爱:写作——审阅与编辑,资源,概念化。孙一涵:可视化,方法学,形式分析。崔建春:写作——审阅与编辑,资源,方法学,概念化。
资金来源
2025年中国产学研创新基金——中科联临床医学专项(资助编号:2025ZK005);中国抗癌协会肿瘤区域研究孵化基金(资助编号:2025CORP-306);辽宁省科技厅联合基金项目(博士研究启动计划)(资助编号:2023-BSBA-181);辽宁省科技厅应用基础研究项目(资助编号:
利益冲突声明
作者声明他们不存在已知的可能影响本论文所报告工作的竞争财务利益或个人关系。
沈云智|居兴爱|孙一涵|崔建春
大连医科大学,中国大连
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