编辑推荐：
为解决电子病历（EMR）生成耗时、易出错及临床应用效率低等问题，研究人员开展 Prompt 驱动 ChatGPT 用于 EMR 生成的研究。结果显示 GPT-4 性能更优，且相关应用可提升诊疗效率。这为优化临床工作流程提供新途径。
在当今数字化医疗蓬勃发展的时代，电子病历（EMR）已成为临床诊疗中不可或缺的一环。它就像一本详细的 “健康日记”，记录着患者的症状、病史、诊断和治疗过程，为医生提供了全面了解患者病情的重要依据，在风险评估、疾病诊断和治疗决策等方面发挥着关键作用。然而，这本 “健康日记” 的编写过程却并不轻松。传统的 EMR 生成需要医生进行全面的体格检查和细致的病史采集，这不仅耗费大量时间，还容易出现人为错误。而且，不同医生的记录习惯和临床经验参差不齐，使得 EMR 的质量和实用性大打折扣。此外，现有的 EMR 系统操作繁琐，查找信息困难，导致医生花费大量时间在翻阅病历上，加重了工作负担，进而引发医生疲劳，降低了医疗服务的效率和质量。
为了攻克这些难题，来自南京医科大学附属癌症医院等多机构的研究人员，聚焦于大语言模型（LLMs）在医疗领域的应用，开展了一项极具创新性的研究。他们旨在探索如何利用 Prompt 工程优化 Prompt 驱动的 ChatGPT，实现从医患问诊信息中自动生成高质量的 EMR，为临床诊疗流程的优化提供新方案。该研究成果发表在《npj Digital Medicine》上，为医疗行业带来了新的曙光。
研究人员采用了一系列关键技术方法：首先，从南京医科大学附属癌症医院、江苏省人民医院和南京医科大学附属无锡人民医院等多个医疗中心，收集了 103 例包括肺结节、食管癌、心脏病和骨科疾病患者的多学科 EMR，并将其转化为伪自述格式，用于后续研究。其次，选用了 ChatGPT 的两个版本（GPT-3.5 和 GPT-4），将其集成到
poe.com平台进行实验。此外，根据平台提示原则设计了 5 组复杂度不同的 Prompt，用于引导 LLMs 生成 EMR。最后，运用 BERTscore、ROUGE 等量化指标，结合临床专家基于七维指标（7DI）的定性评估，对生成的 EMR 进行全面评价 。
下面来详细看看研究结果：
- 核心任务：肺结节电子病历的自动生成：研究重点关注基于伪自述生成肺结节患者的 EMR。结果表明，GPT-4 在准确性和一致性方面均优于 GPT-3.5。在众多 Prompt 中，Prompt-4 表现突出，在 BERTscore 指标上，召回率达到 0.74 ± 0.0，精度为 0.71 ± 0.02，F1 分数为 0.73 ± 0.02；在 ROUGE 指标中，Prompt-4 的 ROUGE-2 得分最高，为 0.13 ± 0.05 。经临床专家使用 7DI 评分系统评估，GPT-4 生成的文本总体评价更高，平均 7DI 得分为 28.20 ± 2.36。其中，Prompt-4、Prompt-5 等生成的文本被多位专家评为高质量。
- 泛化性分析：为评估 LLMs 在不同医学领域的泛化能力，研究人员对食管癌、心脏病和骨科等多学科病例进行了 EMR 生成测试。在食管癌病例中，GPT-4 同样表现出色，使用 Prompt-4 时，BERTscore 召回率达 0.80 ± 0.03，ROUGE-2 召回率为 0.25 ± 0.09 ，临床评估中 Prompt-3 驱动的 GPT-4 生成的 EMR 7DI 得分最高。骨科病例里，Prompt-4 驱动的 GPT-4 模型各项指标表现优异，BERTscore 召回率为 0.71 ± 0.03，精度 0.66 ± 0.03，F1 分数 0.68 ± 0.02 。在心脏病数据集上，虽然部分指标因样本量限制差异不显著，但临床专家对 Prompt-4 和 Prompt-5 评价良好，证明其在心脏病相关 EMR 生成中的可用性。
- 过渡场景有助于提高临床医生效率：研究人员基于 Prompt-4 和 Prompt-5 开发了两个系统，以展示 LLM 驱动的 EMR 在实际临床中的应用。一个是利用 Prompt-5 构建的聊天机器人，可通过交互式问答生成 EMR；另一个是基于 Prompt-4 集成语音识别技术的系统，能在患者就诊前自动收集病史。通过对 10 例患者问答语音记录生成 EMR 的测试，发现该系统生成的 EMR 与伪自述生成的 EMR 在 7DI 得分上无显著差异，证明了系统的稳定性。同时，使用预生成 EMR 的系统后，初级临床医生的问诊时间显著缩短，从 9.56 + 4.97min 降至 7.41 ± 4.74 min，且效率可与高级医生相媲美（9.56 ± 4.97 min vs 7.65 ± 4.19 min） ，凸显了 Prompt 驱动的 LLMs 在优化问诊流程方面的临床价值。
研究结论和讨论部分指出，该研究验证了 Prompt 驱动的 LLMs 在生成结构化 EMR 方面的潜力，尤其是 GPT-4 在多项指标上优于 GPT-3.5，且复杂 Prompt 可提升生成文本质量。同时，特定学科的 Prompt 在多学科场景中也具有有效性，显示出其在不同临床场景的应用潜力。研究开发的两个实际应用系统，为优化临床工作流程、提高诊疗效率提供了新工具。然而，研究也存在一定局限性，如样本量相对较小，需要在更大数据集和更多专科进行验证；对于特定临床场景，Prompt 还需进一步优化；生成的 “主诉” 部分质量有待提高；基于 ChatGPT 平台存在数据隐私和安全问题；研究主要集中在中文场景，多语言验证尚待开展。
尽管如此，这项研究为未来医疗领域应用 LLMs 提供了重要参考，有望推动临床诊疗模式的变革。它让医生从繁琐的病历书写中解脱出来，有更多时间和精力关注患者的诊断和治疗，提高医疗服务的质量和效率，为改善患者的就医体验和健康结局带来了新的希望。相信在未来，随着技术的不断完善和研究的深入，大语言模型在医疗领域将发挥更大的作用，为全球医疗健康事业做出重要贡献。
