全科医学

订阅

MedSci主页 / 所有栏目 / 全科医学

AI 写医疗文书只会出错？ Lancet子刊：GPT-4o 出院小结在实用性、易懂性、共情性上全面碾压常规版

2026-05-20 清泉心田 MedSci原创 发表于上海

大语言模型患者自我管理能力
关注

大语言模型生成的患者导向出院小结可显著提升患者激活水平，改善患者对出院信息的接受度，为医患沟通与出院管理提供了高效新方案。

深度解析医学证据，DeepEvidence为你支撑决策   医院到家庭的过渡是患者康复的关键阶段，约五分之一患者出院后会发生不良事件，进而引发急诊就诊或再次入院。患者激活水平，即患者自我照护的知识、技能与信心，是降低出院后不良结局的核心因素。患者导向出院小结虽能提升患者激活度，但人工撰写耗时费力，大语言模型的出现为解决这一难题提供了新思路。本研究作为全球首项相关随机对照试验，验证了大语言模型生成患者导向出院小结的临床价值。     本研究为德国单中心、单盲随机对照试验，于 2025 年 1 月 7 日至 2 月 5 日开展，纳入 128 名成年内科出院患者，按 1:1 比例分为干预组与对照组，每组 64 人。干预组接收 GPT-4o 生成的患者导向出院小结，对照组采用常规出院小结。研究以患者激活量表（PAM-13）评分为主要结局，同时评估健康素养与患者对小结质量的主观感受，所有数据均严格遵循临床试验规范收集与分析。   图：研究纳入流程图   结果显示，两组基线人口学与临床特征无显著差异，中位年龄 65 岁，多数患者合并慢性病。出院时，

相关资料下载：
[AttachmentFileName(sort=1, fileName=PIIS2589750026000142.pdf)] GetArticleByIdResponse(id=fc7793820440, projectId=1, sourceId=null, title=AI 写医疗文书只会出错？ Lancet子刊：GPT-4o 出院小结在实用性、易懂性、共情性上全面碾压常规版, articleFrom=MedSci原创, journalId=16623, copyright=原创, creationTypeList=[1], summary=大语言模型生成的患者导向出院小结可显著提升患者激活水平，改善患者对出院信息的接受度，为医患沟通与出院管理提供了高效新方案。, cover=https://img.medsci.cn/202501010/1760090244726_8538692.png, authorId=0, author=清泉心田, originalUrl=, linkOutUrl=, content=深度解析医学证据，DeepEvidence为你支撑决策   医院到家庭的过渡是患者康复的关键阶段，约五分之一患者出院后会发生不良事件，进而引发急诊就诊或再次入院。患者激活水平，即患者自我照护的知识、技能与信心，是降低出院后不良结局的核心因素。患者导向出院小结虽能提升患者激活度，但人工撰写耗时费力，大语言模型的出现为解决这一难题提供了新思路。本研究作为全球首项相关随机对照试验，验证了大语言模型生成患者导向出院小结的临床价值。     本研究为德国单中心、单盲随机对照试验，于 2025 年 1 月 7 日至 2 月 5 日开展，纳入 128 名成年内科出院患者，按 1:1 比例分为干预组与对照组，每组 64 人。干预组接收 GPT-4o 生成的患者导向出院小结，对照组采用常规出院小结。研究以患者激活量表（PAM-13）评分为主要结局，同时评估健康素养与患者对小结质量的主观感受，所有数据均严格遵循临床试验规范收集与分析。   图：研究纳入流程图   结果显示，两组基线人口学与临床特征无显著差异，中位年龄 65 岁，多数患者合并慢性病。出院时，, belongTo=, tagList=[TagDto(tagId=474097, tagName=大语言模型), TagDto(tagId=523393, tagName=患者自我管理能力)], categoryList=[CategoryDto(categoryId=34, categoryName=全科医学, tenant=100), CategoryDto(categoryId=84, categoryName=研究进展, tenant=100), CategoryDto(categoryId=20656, categoryName=梅斯医学, tenant=100)], articleKeywordId=0, articleKeyword=, articleKeywordNum=6, guiderKeywordId=0, guiderKeyword=, guiderKeywordNum=6, opened=0, paymentType=1, paymentAmount=5, recommend=0, recommendEndTime=null, sticky=0, stickyEndTime=null, allHits=1620, appHits=1, showAppHits=0, pcHits=56, showPcHits=1619, likes=0, shares=0, comments=1, approvalStatus=1, publishedTime=Wed May 20 10:41:00 CST 2026, publishedTimeString=2026-05-20, pcVisible=1, appVisible=1, editorId=8096572, editor=全科医学新前沿, waterMark=0, formatted=0, deleted=0, version=3, createdBy=98af8624274, createdName=清泉心田, createdTime=Tue May 19 22:21:06 CST 2026, updatedBy=92910, updatedName=rayms, updatedTime=Wed May 20 10:07:57 CST 2026, ipAttribution=上海, attachmentFileNameList=[AttachmentFileName(sort=1, fileName=PIIS2589750026000142.pdf)], guideDownload=1, surveyId=null, surveyIdStr=null, surveyName=null, pushMsXiaoZhi=true, qaList=[{id=2169040, encryptionId=23e2216904002, articleId=fc7793820440, userName=administrator, question=大语言模型生成的出院小结在提升患者激活水平方面，与传统人工撰写的出院小结相比有哪些具体优势？, answer=大语言模型生成的出院小结能将晦涩医学术语转化为通俗表达，清晰解释疾病成因与症状，并明确列出具体行动指引，减少专业文书的模糊表述，从而显著提升患者的自我管理信心和知识掌握程度。, clickNum=0, type=article, createdAt=1779242898563, updatedAt=1779242898563}, {id=2169048, encryptionId=2d99216904803, articleId=fc7793820440, userName=administrator, question=AI生成出院小结是否会改变传统的医患沟通模式？如果是，会产生哪些积极和消极影响？, answer=可能将医生从文书工作中解放出来，有更多时间进行面对面沟通；但也可能减少医生直接提供出院指导的机会，需要找到平衡点。, clickNum=0, type=article, createdAt=1779242898563, updatedAt=1779242898563}])
PIIS2589750026000142.pdf
评论区 (2)
#插入话题
  1. [GetPortalCommentsPageByObjectIdResponse(id=2313275, encodeId=444323132e57a, content=每天打开梅斯医学，学习到了很多东西, beContent=null, objectType=article, channel=null, level=null, likeNumber=40, replyNumber=0, topicName=null, topicId=null, topicList=[], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=136f5501071, createdName=ms5000001856411787, createdTime=Wed May 20 11:20:41 CST 2026, time=2026-05-20, status=1, ipAttribution=辽宁省), GetPortalCommentsPageByObjectIdResponse(id=2313264, encodeId=a69b23132647f, content=<a href='/topic/show?id=875b105831ea' target=_blank style='color:#2F92EE;'>#大语言模型#</a> <a href='/topic/show?id=55921406e5be' target=_blank style='color:#2F92EE;'>#患者自我管理能力#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=44, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=105831, encryptionId=875b105831ea, topicName=大语言模型), TopicDto(id=140675, encryptionId=55921406e5be, topicName=患者自我管理能力)], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=cade5395722, createdName=梅斯管理员, createdTime=Wed May 20 10:07:57 CST 2026, time=2026-05-20, status=1, ipAttribution=上海)]
    2026-05-20 ms5000001856411787 来自辽宁省

    每天打开梅斯医学，学习到了很多东西

    0

  2. [GetPortalCommentsPageByObjectIdResponse(id=2313275, encodeId=444323132e57a, content=每天打开梅斯医学，学习到了很多东西, beContent=null, objectType=article, channel=null, level=null, likeNumber=40, replyNumber=0, topicName=null, topicId=null, topicList=[], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=136f5501071, createdName=ms5000001856411787, createdTime=Wed May 20 11:20:41 CST 2026, time=2026-05-20, status=1, ipAttribution=辽宁省), GetPortalCommentsPageByObjectIdResponse(id=2313264, encodeId=a69b23132647f, content=<a href='/topic/show?id=875b105831ea' target=_blank style='color:#2F92EE;'>#大语言模型#</a> <a href='/topic/show?id=55921406e5be' target=_blank style='color:#2F92EE;'>#患者自我管理能力#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=44, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=105831, encryptionId=875b105831ea, topicName=大语言模型), TopicDto(id=140675, encryptionId=55921406e5be, topicName=患者自我管理能力)], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=cade5395722, createdName=梅斯管理员, createdTime=Wed May 20 10:07:57 CST 2026, time=2026-05-20, status=1, ipAttribution=上海)]
    2026-05-20 梅斯管理员 来自上海

    #大语言模型# #患者自我管理能力#

    0

相关资讯

JAMA Netw Open：大语言模型解锁自杀人群精神健康隐匿特征

该研究证实RDoC框架结合大语言模型，可有效挖掘NVDRS中未被充分利用的文本信息，揭示传统诊断方法遗漏的精神功能障碍，为自杀预防提供更精准的评估依据。

【协和医学杂志】基于大语言模型的医疗智能助手应用研究进展

本文基于当前LLMs在医疗领域的常用技术方法特点，剖析其在医疗领域的具体应用场景，揭示该类模型在实际应用中的优势与局限。

大语言模型（GPT-4）简化肺癌影像学报告提高医患沟通效率的研究

通过系统性评价 LLMs 在医学影像报告简化中的应用价值，本研究旨在探索其在改善医患沟通、提升医疗服务质量中的可行性与潜在意义，为未来在临床肿瘤影像学管理中引入智能化工具提供新的思路。

大语言模型在肺癌诊疗中的应用进展、伦理困境与展望

本文旨在系统分析LLMs在肺癌辅助诊断、肿瘤特征提取、自动分期、进展及转归分析、治疗建议、文书生成、患者教育领域的研究现状，为LLMs在肺癌诊疗领域中的深度研究与审慎应用提供指导。

罕见病早诊有新招！Scientific Reports：基于25万儿科临床笔记的罕见病自动检测

本研究为西班牙语医疗NLP提供了重要范例，助力全球罕见病早诊早治。

PLOS Medicine：大语言模型对肝细胞癌治疗建议的临床效用

大语言模型生成的治疗建议与临床医生决策的一致性，在早期肝细胞癌中与改善的生存相关，但在晚期疾病中则无益甚至有害。

Nature：我国学者开发了一项用于罕见病诊断且具备可追溯推理能力的智能体系统

DeepRare系统在罕见病诊断领域取得了显著进展，其性能超越了现有的传统生物信息学工具、各类大型语言模型以及其他智能体系统。

Nurse Education Today：基于大语言模型的 AI 教学代理在 ICU 模拟教学导师培训中的应用效果

本研究初步表明，将基于大语言模型的教学代理整合到ICU模拟教学导师培训中是可行的，并且与学员感知到的更优模拟教学设计和更高的在线学习自我效能感相关。

罕见病 AI 诊断大比拼：大语言模型竟不敌传统工具？

尽管大语言模型在临床文本处理方面进步迅速，但在仅有表型信息的罕见遗传病鉴别诊断任务中，其准确性仍显著落后于专门开发的传统生物信息学工具Exomiser。