综述：儿科医学的新篇章：大型语言模型的技术发展、应用及评估体系

《European Journal of Pediatrics》：New chapter in pediatric medicine: technological evolution, application, and evaluation system of large language models

自然语言处理技术突破催生医学大语言模型（LLMs），其在儿科诊疗中展现智能问诊、个性化教育、剂量计算等应用潜力。本文系统梳理LLMs在儿科的发展路径，涵盖通用模型扩展、专科模型定制及多模态架构创新，同时剖析年龄差异、家庭中心化照护等独特挑战，提出构建儿童专属LLM评估标准，强调跨学科协作对安全融入医疗实践的重要性。

　　

摘要

随着自然语言处理技术的重大突破，基于深度学习的大型语言模型（LLMs）近年来在医学领域展现了巨大的潜力。通过在大规模文本语料库上进行预训练，这些模型能够理解和生成类似人类的语言，为医学文献检索、临床笔记生成和诊断辅助等任务提供了创新工具。特别是在儿科领域，LLMs通过智能的患者沟通、个性化的教育支持以及优化的治疗计划，为提高诊断和治疗的效率与安全性提供了有前景的应用。本文回顾了LLM技术的最新进展，包括通用模型的发展轨迹和扩展能力、针对医学专业领域的定制训练，以及多模态和专家混合架构的出现。此外，还重点介绍了在儿科环境中的实际应用，如剂量计算、特定亚专业的临床决策支持以及自动化医疗记录结构化，并探讨了评估指标、伦理法律挑战以及多语言和资源匮乏环境下的考虑因素。

在结论部分，文章强调了跨学科合作的重要性，并概述了将LLMs安全、公平地整合到儿科医疗实践中的未来方向。

已知内容： • 大型语言模型（LLMs）在医学领域越来越多地用于文本生成、临床文档编写和知识检索。 • 相比成人医学领域，LLMs在儿科领域的应用系统性的研究较少。

新内容： • 本文提供了LLM在儿科领域的发展、临床应用和评估的综合性概述。 • 文章指出了儿科领域面临的独特挑战，包括年龄相关的差异性和以家庭为中心的护理需求，并提出了未来针对儿童特定需求的LLM评估标准的设计原则。