ChatGPT4.0助力言语语言病理学：潜力与局限并存

为探究 ChatGPT4.0对言语语言病理学家（SLPs）的辅助潜力，研究发现其有优势但也存在局限，对临床应用意义重大。

　　在科技飞速发展的当下，人工智能（AI）正以前所未有的速度渗透到各个领域，医疗健康领域也不例外。ChatGPT 作为一款强大的 AI 聊天机器人，凭借其出色的自然语言处理能力，在众多行业崭露头角。在医疗领域，它已被尝试应用于疾病诊断、临床决策支持等方面，展现出一定的潜力，但也伴随着诸多争议。

在言语语言病理学（Speech-Language Pathology，SLP）领域，传统的诊断和治疗主要依赖专业人员的经验和技能。然而，随着患者数量的增加和对治疗效果要求的提高，如何提高工作效率、优化治疗方案成为亟待解决的问题。AI 技术的出现为解决这些问题提供了新的思路。ChatGPT 是否能成为 SLP 的得力助手？它在相关任务中的表现究竟如何？这些问题吸引着研究人员开展深入研究。

来自土耳其多所大学的研究人员针对这一问题展开了探索。他们的研究成果发表在《European Archives of Oto-Rhino-Laryngology》杂志上。

为了探究 ChatGPT_4.0在 SLP 领域的辅助潜力，研究人员开展了一项横断面描述性研究。

研究人员确定了 6 项与 SLP 相关的任务，包括报告撰写、评估材料生成、临床决策支持、治疗刺激生成、治疗规划以及客户 / 家庭培训材料生成。基于常见的言语、语言和吞咽障碍，在 7 个领域创建了英文提示，涵盖语音障碍（Speech Sound Disorders，SSD）、运动性言语障碍（Motor Speech Disorders，MSD）、失语症（Aphasia）、口吃（Stuttering）、儿童语言障碍（Childhood Language Disorders，CLD）、嗓音障碍（Voice Disorders）和吞咽障碍（Swallowing Disorders）。这些提示由 5 位身为博士生的 SLP 通过在线小组讨论达成共识后确定。

研究人员将生成的提示输入 ChatGPT_4.0，并记录其回复。随后，邀请了 15 位至少为研究生水平的 SLP 从业者对回复进行评估。评估采用三点李克特量表，从准确性、全面性和相关性三个方面，依据临床期望和专业判断对 ChatGPT_4.0的回复进行打分。此外，研究人员还收集了参与者的教育水平、工作经验和就业部门等人口统计学信息。数据通过 IBM SPSS 27 统计分析软件进行处理，计算频率、百分比、均值、中位数、标准差等，并使用 Friedman 检验和 Bonferroni 校正的 Wilcoxon 检验进行统计比较，同时评估了评分者间的信度。

研究结果显示，ChatGPT_4.0在大多数任务和障碍类别中表现出较高的准确性、全面性和相关性。在报告撰写、临床决策支持和教育材料创建等任务中，ChatGPT_4.0表现尤为出色。然而，在一些特定任务中，如治疗刺激生成，其表现存在差异，准确性得分相对较低。例如，在为 SSD 生成最小对立体时，ChatGPT_4.0出现了语言知识错误，影响了准确性评分；在创建句子级别的发音材料时，也产生了不符合土耳其语语法的无意义短语。在其他任务和障碍类别中，ChatGPT_4.0的表现总体良好，但在某些任务上仍有提升空间。

研究结论表明，ChatGPT_4.0在辅助 SLPs 完成专业任务方面具有一定潜力，特别是在报告撰写、临床决策支持和教育材料创建方面。然而，要使其在临床实践中更有效地应用，还需解决其在治疗刺激生成和治疗规划等方面的局限性。这可能需要纳入更专业的数据集，反映真实世界的治疗场景，包括文化多样和特定语言的材料，以更好地支持治疗规划；改进交互式反馈机制，使 AI 能够根据治疗进展动态调整；纳入多样化、多语言的数据集，以更好地处理文化和语言差异，满足个性化治疗刺激生成的需求。

此外，SLPs 需要接受针对性的培训，了解 AI 的局限性，批判性地解读 AI 生成的输出，并将 AI 作为辅助工具而非主要干预方法。同时，应重视伦理考量，确保患者数据隐私和对 AI 推荐的负责任处理。未来的研究可以进一步探索 ChatGPT 在提高 SLP 工作流程时间效率方面的潜力，以及将其与多模态 AI 工具相结合的可行性和临床效果。

这项研究为 ChatGPT 在 SLP 领域的应用提供了重要的参考，虽然目前 ChatGPT_4.0存在一些不足，但它为未来的研究和临床实践指明了方向，有望推动 AI 技术在言语语言病理学领域的深入应用，为患者带来更好的治疗体验和效果。