人工智能生成的电子病历摘要应用于乳腺外科肿瘤学

背景：审阅肿瘤学中的病理学、影像学和会诊文件可能非常耗时，尤其是当记录来自不同文件格式的外部机构时。本研究旨在评估一种基于检索增强生成（RAG）的 GPT-4o 摘要代理对乳腺外科肿瘤学临床工作流程和外部记录摘要质量的影响。方法：首先对 GPT-4o/RAG 代理在 50 份病历中生成肿瘤学报告摘要的性能进行初步评价，随后对连续病例进行前瞻性试点测试，每份 AI 摘要使用改良的提供者文档摘要质量工具（PDSQI-9；1-5 李克特量表）进行评价，包括二分评级（低 [1-3]，高 [4,5]）、二项检验、用户报告错误的频率和类型、临床医生编码的错误严重性（影响治疗 vs 非关键）。还进行了文档负担（NASA TLX）和用户体验的使用前和使用后调查。结果：在 62 例病例中，AI 生成的摘要在准确性、有用性、简洁性和来源引用方面被评为高。无遗漏的全面性在 28 份（45%）摘要中被评为低。在 25 份（40%）调查中发现了错误，其中 13 份（52%）被归类为关键错误（影响治疗）。最常见的错误类型涉及影像学，在 17 例（68%）中报告。对于感知节省时间，中位反应为中立，但定性反馈描述该工具对简单病例有帮助，并减少了打字负担，但需要调整工作流程并对复杂病例进行改进。结论：尽管用户在几个质量维度上对基于 RAG 的 GPT-4o 代理生成的文档摘要评价良好，但它们经常缺乏全面性，偶尔包含与治疗相关的错误。在实施之前，人工审核和该技术的进一步迭代仍然是必要的。