大语言模型在儿童肝移植相关原发病诊断与治疗决策支持中的应用研究

摘要

目的 探讨3种主流大语言模型在儿童肝移植相关原发病的诊断、鉴别诊断及治疗决策支持中的应用价值。方法 收集79例就诊于上海交通大学医学院附属仁济医院的儿童肝移植相关病例或公开发表的高质量病例报告。所有病例均经病理或临床随访资料确诊，涵盖胆汁淤积性肝病、代谢性疾病、肿瘤等25种原发病。采用标准化提示词，将病例信息分别输入DeepSeek-R1、ChatGPT-4o及Grok-3模型，评估其基于基础临床资料的初步诊断与鉴别诊断准确率，完善补充检查后的最终诊断准确率、响应时间，以及其对疾病治疗原则分析的完整性与合理性。结果 在初步诊断与鉴别诊断阶段，DeepSeek-R1的综合准确率最高[72.1%,95%可信区间（CI）61.4%～80.8%],3种模型初步诊断综合准确率差异具有统计学意义（P=0.008）。加入进一步检查信息后3种模型的最终诊断准确率均提升，分别为DeepSeek-R1 88.6%(95%CI 79.7%～93.9%), ChatGPT-4o87.3%(95%CI 78.2%～93.0%),Grok-3 78.5%(95%CI 68.2%～86.1%),3种模型间差异无统计学意义（P=0.05）。专家对诊治原则的评分具有良好的一致性（Kappa=0.769）。此外，ChatGPT-4o的响应时间比另外两种模型短[（24±7）s]。结论 大语言模型在各类儿童肝病的诊断和治疗决策流程中展现出良好的效能，具有良好的辅助诊断与决策支持应用前景，有望帮助提高儿童肝移植相关原发病临床诊疗的精准性与效率。

关键词

大语言模型 / 儿童肝移植 / 原发病 / 临床决策支持 / 人工智能 / 儿童肝病 / 诊断准确率 / 终末期肝病 / DeepSeek-R1 / ChatGPT-4o / Grok-3