基于GPT-4 Turbo的韩国儿童癌症幸存者问答数据集构建与验证：面向信息支持与情感关怀的智能辅助系统研究

韩国儿童癌症幸存者面临心理与信息支持缺口，研究团队通过整合GPT-4 Turbo生成回答、专家评估（11名专家评分4.98/6）及关系知识图谱（RKG，幻觉检测性能0.979），构建含3,876对问答的KCCSQA数据集。14名幸存者试点验证显示系统满意度达4.36/6，为AI驱动的精准医疗支持提供新范式。

　　

儿童癌症幸存者虽因医疗进步生存率提升（韩国5年生存率从64.3%升至86.1%），却长期面临心理创伤、社会歧视及碎片化医疗支持的困境。尤其韩国缺乏整合性支持系统，幸存者常因隐私顾虑回避求助，导致信息与情感需求未被满足。传统网络信息鱼龙混杂，专业资源获取门槛高。如何构建既精准又具共情的支持工具？Kyunbum Hwang团队在《Expert Systems with Applications》发表的研究给出了AI驱动的解决方案。

研究团队采用多阶段技术路线：1) 通过在线调查（119名幸存者）、学术文献和网站收集3,500个问题，经KLUE/RoBERTa模型分析证实幸存者真实提问与文献问题存在分布差异；2) 利用GPT-4 Turbo生成回答，结合专家编写的少量示例进行少样本学习（few-shot learning）优化；3) 构建关系知识图谱（RKG，含43,475节点）检测生成内容中的幻觉（如机构名称错误）；4) 采用伪评分系统（pseudo-scoring）自动评估回答质量，低分答案重新生成；5) 通过专家评审（11人）和幸存者试点（14人）验证效果。

研究结果

1. 1.

   数据收集与分布差异

   在线调查显示88.2%幸存者愿使用聊天机器人，68.9%侧重获取信息。t-SNE可视化证实幸存者提问（红色聚类）与文献问题（蓝色）存在显著差异，凸显直接采集用户需求的重要性。

2. 2.

   GPT-4 Turbo生成优化

   专家评分显示GPT回答在整体质量（4.98/6）、事实准确性等方面均优于现有答案。少样本学习使回答更贴近专家风格，如"放疗副作用"回答中高亮句与专家表述高度一致。

3. 3.

   质量增强技术

   RKG成功识别87条幻觉信息（如虚构机构名），检测率达97.9%。伪评分将3,500条回答分类为15条"差"、180条"中"和3,305条"优"，差评答案经再生后质量提升。

4. 4.

   试点验证

   幸存者对聊天机器人的满意度达4.36/6（6分制），所有参与者表示愿重复使用。新增的376个问题被纳入最终数据集，总量达3,876对。

结论与意义

该研究首创面向韩国儿童癌症幸存者的综合问答数据集KCCSQA，通过AI生成与专家验证的结合，解决了传统支持系统信息分散、缺乏共情的问题。技术层面，RKG和伪评分系统为医疗领域AI的可靠性控制提供新思路。尽管存在专家样本量有限、RKG构建耗时等局限，但试点结果证实了系统的实用价值。未来可扩展至其他语种或癌症类型，推动AI在精准医疗支持中的应用边界。

（注：全文数据与结论均源自原文，专业术语如KLUE/RoBERTa、t-SNE等保留原格式，技术方法描述严格对应论文流程）