ChatGPT-4o在眩晕相关疾病鉴别诊断与管理中的潜力评估及临床应用价值

眩晕诊疗领域迎来AI革新！复旦大学附属眼耳鼻喉科医院团队在《Scientific Reports》发表研究，首次系统评估ChatGPT-4o在眩晕疾病诊断（BPPV/VM/SSHL/VS）中的表现。通过20个临床问题应答质量分析（5维度Likert量表）和15例真实病例诊断对比（vs.1年/5年资历医师），发现AI模型在可信度（4.78/5分）和生活方式指导（全5分）表现突出，但诊断准确率（0.67）仅相当于初级医师水平。该研究为AI辅助眩晕诊疗提供了关键循证依据，指出需优化诊断逻辑链构建与信息可读性（FRE 51.9）。

　　

眩晕作为跨学科常见症状，其鉴别诊断一直是临床难点。据统计，约40%的眩晕患者会经历误诊，前庭性偏头痛(VM)和梅尼埃病(MD)的鉴别诊断尤其具有挑战性。随着ChatGPT等大语言模型(LLM)在医疗领域的应用探索增多，但其在耳鼻喉科特别是眩晕诊疗中的实际效能缺乏系统评估。既往研究表明，ChatGPT-4对耳源性鼻窦炎的诊疗建议存在显著临床偏差，而针对BPPV的在线信息可读性较差（FKRGL 9.8）。这些痛点促使复旦大学附属眼耳鼻喉科医院团队开展这项开创性研究。

该研究采用多维度评估体系：1）设计20个眩晕相关问题（7诊断/9治疗/2生活建议/2预后），由3位不同资历耳科专家盲评ChatGPT-4o回答质量（5维度Likert量表）；2）选取15例确诊眩晕病例（含4MD/3VM/3SSHL/3BPPV/2VS），对比模型与医师的诊断准确率；3）采用Flesch阅读易度指数(FRE)和Flesch-Kincaid年级水平(FKRGL)量化应答可读性。

评估结果揭示AI双重特性
在20个临床问题应答中，ChatGPT-4o展现出令人惊喜的可信度（4.78/5）和实用性（4.68/5），特别是在生活方式建议方面获得全满分。但诊断相关文本可读性较差（FRE 51.9，相当于高中至大学水平），可能影响患者理解。重复测量ANOVA显示不同评分维度存在显著差异（F=2.682,p=0.038），提示AI在不同应用场景表现不均。

诊断能力呈现阶梯差异
病例诊断实验显示：5年经验医师准确率最高（0.93），1年经验医师（0.80）与ChatGPT-4o（0.67）存在统计学差异（p=0.04）。值得注意的是，模型对BPPV和听神经瘤(VS)诊断准确率达100%，但对VM和SSHL识别能力较弱——这可能与VM诊断标准复杂性和SSHL需结合听力曲线分析有关。图2直观显示AI在VM诊断中仅33%准确率，显著低于临床专家。

讨论与行业启示
该研究首次证实ChatGPT-4o可作为眩晕管理的辅助工具，其优势在于：1）快速生成全面诊疗方案；2）提供标准化患者教育内容。但局限性也很明显：1）诊断逻辑链构建不如资深医师；2）医学术语使用影响可读性（FKRGL 7.4-9.8）。作者建议未来改进方向包括：整合结构化临床数据（如SMART提示框架）、开发专科优化模型，以及建立QAMAI质量评估体系。

这项发表在《Scientific Reports》的研究具有重要临床意义：为AI在眩晕诊疗中的应用划定了现实边界——既不能完全替代医师判断，又可作为初级筛查和患者教育的有力补充。随着LLM技术迭代，Xu Liu团队提出的多维评估框架将持续为医疗AI的合规应用提供重要参考。研究同时警示：在VM等复杂疾病诊断中，仍需严格临床验证以避免潜在误导风险。