编辑推荐：
这篇综述聚焦神经外科领域大语言模型（LLMs）的应用。探讨其在临床实践和教育中的多种用途，分析模型选择要点，强调保障患者安全需遵循的隐私法规及机构支持措施，为神经外科医生合理应用 LLMs 提供全面指引。
大语言模型（LLMs）在神经外科的应用探索
大语言模型（Large Language Models，LLMs）作为人工智能的前沿技术，正逐步渗透到医学领域，尤其是神经外科，为该领域的实践和教育带来新的机遇与挑战。LLMs 能生成流畅的人类语言，在处理神经外科知识库方面展现出一定能力，但其在临床工作中的角色仍处于探索阶段。
一、LLMs 在神经外科的应用场景
（一）不涉及受保护健康信息（PHI）的应用
在医疗场景中，一些 “防火墙外” 的应用不涉及 PHI 传输，自然符合当地隐私法规，如美国《健康保险流通与责任法案》（Health Insurance Portability and Accountability Act，HIPAA）。
- 优化患者资料可读性：LLMs 可简化面向患者的文本，提高材料的可读性、理解度和记忆度。像 Mirza 等人利用 ChatGPT 简化知情同意书，使其 Kincaid 可读性分数从大学生水平降至中学生水平；Swisher 等人也证实 LLMs 能提升患者宣传册等材料的可读性。
- 助力医学教育：LLMs 在医学教育方面潜力巨大，不仅能掌握基本神经外科知识，还能向新手解释概念、生成练习题。众多基准研究表明，ChatGPT 等能通过美国医学执照考试（United States Medical Licensing Exam，USMLE），达到三年级医学生水平，为医学教育提供了新的教学辅助手段。
- 科研与出版的限制：目前，美国国立卫生研究院（National Institutes of Health，NIH）禁止在资助申请同行评审中使用 LLMs。同时，由于 LLMs 生成文本存在 “幻觉” 和易产生欺诈性文章的风险，不同期刊对在稿件撰写中使用 LLMs 态度不一，医生在科研交流中使用时需谨慎了解相关政策。
（二）涉及 PHI 的应用
“防火墙内” 的应用依赖 PHI，虽增强了 LLMs 的功能，但面临更严格的监管和隐私风险。
- 手术计费自动化：部分研究探索用 LLMs 自动查找手术操作术语（Current Procedural Terminology，CPT）代码，如 O’Malley 等人评估多种 LLMs 查找神经外科手术 CPT 代码的准确率在 20% - 75%；Roy 等人研究发现 AtlasGPT 和 ChatGPT 4.0 从手术记录中推导 CPT 代码，部分准确率较高，但完全准确率仅 35% 左右，仍需改进。
- 临床文本处理：LLMs 可用于处理临床文本，如总结电子健康记录（Electronic Health Record，EHR）、生成新笔记等。Van Veen 等人用 GPT-3.5 整合 EHR 关键信息，生成的摘要 45% 与医学专家相当，36% 超越专家；Dubinski 等人发现 ChatGPT 生成神经外科患者出院小结的时间大幅缩短，准确率达 83%；Ali 等人训练 GPT-4 按模板生成手术笔记，与医生撰写的笔记准确性无显著差异。
- 患者数据挖掘与结构化：LLMs 可从 EHR 中挖掘和结构化患者数据用于研究。Truhn 等人用 GPT-4 从非结构化病理报告中提取弥漫性成人型胶质瘤数据，错误率仅 1.0 ± 0.4%；Wang 等人利用生物医学语言模型 BRLM 分类基因组变异，构建疾病相关网络，有助于精准治疗。
二、神经外科 LLMs 模型选择策略
选择合适的 LLM 用于神经外科任务，需综合评估其准确性、可靠性、可解释性和合规性，同时要考虑任务特性。
（一）开源与闭源模型
LLMs 分为开源和闭源模型。开源模型如 Meta 的 Llama 系列和 Hugging Face 平台上的众多模型，其权重公开，可在本地设备运行，利于保护敏感数据，但本地部署需大量前期资金投入构建计算基础设施。闭源模型如 OpenAI 的 ChatGPT 和 Google 的 Gemini，不公开模型参数，通常通过云服务使用，云服务可扩展性强，但使用前需评估是否符合健康数据隐私法规，部分服务如微软 Azure OpenAI Service 可通过商业伙伴协议（Business Associate Agreements，BAAs）合规使用。
（二）上下文窗口
上下文窗口指 LLM 在一次请求中能处理的文本量。现代长上下文 LLMs 可处理超 100,000 个令牌，有助于全面分析患者病史，但长窗口模型计算成本高，还可能在处理大量输入时难以定位关键信息，因此需权衡确定满足用户查询的最小上下文长度。
（三）多模态
多模态 AI 使 LLMs 能处理文本和视觉数据，如 GPT-4-Vision 可结合影像和临床笔记辅助诊断。不过，当前视觉 - 语言模型（Vision - Language Models，VLMs）在生成输出时更依赖文本输入，且在纯文本任务上表现不如 LLMs，所以建议仅在必要时使用 VLMs 处理影像数据，待其性能提升后再广泛应用。
（四）检索增强生成（RAG）
LLMs 更新知识困难，RAG 技术可基于用户查询从自建数据库检索相关文档，提高 LLM 输出的准确性和可靠性。神经外科领域中，AtlasGPT 是支持 RAG 的闭源模型，LangChain 是用于创建自定义 RAG 框架的开源框架，可与多种 LLMs 兼容。
（五）神经外科基准测试性能
许多研究对 LLMs 在标准化神经外科问题和医学执照考试中的表现进行了测试。在多项研究中，GPT-4 在神经外科书面考试中的表现优于 GPT-3.5 和 Bard，部分模型在国际神经外科考试中也取得不错成绩。但在非常规选择题评估中，如改编的图灵测试，ChatGPT 表现不如多数人类医生，甚至可能给出危险的错误回答。
三、保障患者安全的监测与合规措施
在神经外科应用 LLMs 时，保障患者安全至关重要，需从隐私数据合规、机构支持和应对模型缺陷等方面着手。
（一）隐私 / 数据安全合规
医疗 AI 系统的隐私和数据安全合规受复杂法规框架约束，不同地区有所差异。美国需遵循 FDA 和 HIPAA 规定，2024 年 12 月美国卫生与公众服务部（Department of Health and Human Services，HHS）提议更新 HIPAA 隐私规则和安全规则以加强网络安全和患者数据保护，许多更新与欧盟《通用数据保护条例》（General Data Protection Regulation，GDPR）接轨。合规过程中有诸多细节需注意，如政策中 “强制” 和 “强烈鼓励” 措辞的区别；GDPR 要求告知患者健康数据在 AI 中的使用并获其同意，遵循数据最小化原则，采用去识别化策略，可通过专家判定法或安全港法去除特定标识符。加密也是关键，GDPR 倡导对患者数据在静态和传输时加密，采用先进加密技术确保数据安全处理。目前，美国 HIPAA 在数据保护范围上不如 GDPR 全面，且美国各州患者数据隐私政策差异大，部分州缺乏相关法律，法规完善仍面临挑战。
（二）机构特定支持和机构政策
机构层面的支持对 LLM 部署意义重大。机构可提供符合 HIPAA 标准的 LLM 实例，配备技术支持人员，方便医生和研究人员使用。同时，机构审查委员会（Institutional Review Boards，IRBs）为研究应用提供伦理指导，保护弱势群体，还可促进与社区的沟通。此外，机构在知识产权保护和商业化方面也发挥重要作用，医生需关注就业合同，借助法律建议明确知识产权归属，机构的 “孵化器” 或 “加速器” 可助力创新成果转化。
（三）处理 “幻觉” 和遗漏问题
当前 LLMs 易产生错误陈述（“幻觉”）或遗漏关键信息（“遗漏”），这源于训练数据的特性和模型的概率本质。为降低风险，可采用技术手段，如通过 RAG 整合使回答基于事实，输出时提供置信度度量辅助事实核查；同时，限制回答长度、优化提示结构也有助于减少错误。在临床决策中，必须有人工监督 LLM 输出，确保患者安全。
四、总结
LLMs 为神经外科实践和教育带来了令人期待的发展机遇，但在临床应用中，需要谨慎应对技术、伦理和监管方面的挑战。神经外科医生应系统地考量模型选择、部署策略和合规要求，充分发挥 LLMs 的优势，降低潜在风险。随着该领域的持续发展，持续的研究和机构间的合作对确保 LLMs 在神经外科护理中的安全有效应用至关重要，有望推动神经外科领域迈向新的发展阶段。
