大语言模型辅助医学系统综述：方法、发展方向和应用

黄衍楠; 桑浩然; 刘宇; 马连韬; 朱英豪

doi:10.16190/j.cnki.45-1211/r.2025.03.001

广西医科大学学报 ›› 2025, Vol. 42 ›› Issue (03) : 323 -331. DOI: 10.16190/j.cnki.45-1211/r.2025.03.001

大语言模型辅助医学系统综述：方法、发展方向和应用

黄衍楠, 桑浩然, 刘宇, 马连韬, 朱英豪

作者信息 +

Author information +

文章历史 +

摘要

随着生物医学文献数量的爆炸式增长，传统的基于关键词匹配的检索方法日益难以满足临床与科研实践中对效率与精准性的双重需求。近年来，以ChatGPT和DeepSeek为代表的大语言模型，凭借其强大的自然语言处理能力，在医学系统综述领域展现出显著的应用潜力。然而，其固有的“幻觉”问题与知识更新滞后等挑战限制了其直接应用的可靠性。本文系统介绍了当前缓解大语言模型“幻觉”的6类核心技术路径，重点解释检索增强生成技术的原理与应用优势，并在综合梳理系统综述任务中的22篇代表性研究的技术特点与应用场景后，进一步指出基于“证据等级的结构化理解与生成”的大语言模型是未来的重要发展方向之一。本文旨在为医学研究人员与临床从业者提供系统性的参考，助力其科学高效地利用大语言模型提升医学文献信息处理效率与循证医疗决策质量。