用于理解和监测老年神经认知的大语言模型 (LUMEN)

1. 背景与理论依据 痴呆症诊断依赖于临床病史、认知评估及来自护理人员的补充信息。然而，由于护理人员负担、回忆偏倚以及记忆门诊的时间限制，获取结构化和可靠的补充病史具有挑战性。大型语言模型（LLMs）通过指导结构化病史采集、提取临床相关细节以及标准化信息收集，有望改进这一过程。

   LUMEN（用于理解和监测老年认知功能的大型语言模型）是一款人工智能驱动的对话工具，旨在帮助护理人员在临床痴呆评估前提供结构化的补充病史。LUMEN由皇家精神科医师学院、阿尔茨海默病研究英国北部网络和纽卡斯尔生物医学研究网络种子基金资助开发，旨在提高诊断准确性、减轻护理人员负担并提升记忆门诊的工作流程效率。

   本研究将通过嵌套定性可行性研究，评估LUMEN在真实临床环境中的可行性、可用性和可接受性。我们将招募护理人员和临床医生与LUMEN互动，评估其在收集补充病史方面的有效性。研究还将纳入与社区团体共同设计的研讨会，探讨语言、文化包容性和可访问性问题。研究结果将为未来的改进和更大规模的验证研究提供依据。

2. 研究目标

本研究旨在：

1. 评估LUMEN的可用性——使用已验证量表（系统可用性量表[SUS]和美国宇航局任务负荷指数[NASA-TLX]）测量护理人员和临床医生的使用体验。
2. 探讨可接受性及实施障碍与促进因素——通过定性访谈和共同设计研讨会完善LUMEN的设计，确保不同用户群体的可访问性。
3. 比较LUMEN输出与临床医生评估——使用科恩卡帕系数评估评分者间信度，研究LUMEN生成的报告与临床医生获取的病史之间的一致性。

3. 已完成的前期工作 LUMEN与临床医生和利益相关者采用改良德尔菲法共同开发，涉及150名临床医生（主要为老年精神科医生）。这产生了2600个与已验证痴呆工具对应的问题，确保了临床相关性。早期技术测试使用模拟临床案例评估了开源大型语言模型（如Mistral 7B、LLaMA2 7B）。ROC曲线分析显示区分痴呆相关叙述的AUC为0.89，科恩卡帕系数0.82表明LUMEN输出与临床医生评分间具有高评分者间信度。早期患者与公众参与和互动反馈强调了简化语言、文化敏感性和改善用户体验的必要性。这些见解将通过拟议的共同设计研讨会进一步深化。

4. 研究设计与方法 本研究将采用混合方法，结合定量可用性测试和定性访谈，评估LUMEN的可行性和可接受性。

4.1. 参与者与招募

• 护理人员（n=20-30对）：通过诺森比亚NHS记忆门诊招募。符合条件的护理人员为成人（≥18岁）、熟悉患者情况、具备基本英语读写能力并能提供知情同意。
• 患者（n=20-30）：≥65岁、在记忆门诊接受认知评估的个体。
• 临床医生（n=8-10）：痴呆护理专家（神经科医生、精神科医生、老年病医生、高级执业护士），具有≥2年经验。

4.2. 研究流程

1. 基线数据收集：

   • 人口统计学特征（年龄、性别、种族、社会经济状况）。
   • 临床诊断（如可获得）。
   • 认知测试分数（MoCA/ACE）。

2. LUMEN交互：

   • 护理人员将使用笔记本电脑或平板电脑上的LUMEN提供结构化补充病史（约20-30分钟）。
   • 临床医生将审查LUMEN生成的病史，评估完整性和临床实用性。

3. 可用性与认知负荷评估：

   • SUS（系统可用性量表）：10项李克特量表问卷，评估易用性（得分≥70=良好可用性）。
   • NASA-TLX（任务负荷指数）：评估感知认知工作量（得分0-29=低工作量）。

4. 定性评估：

   • 半结构化访谈（n=10名护理人员，n=4-5名临床医生）。
   • 与社区团体共同设计研讨会，探讨语言、文化代表性和可访问性。

5. 探索性分析：

   • 评分者间信度（科恩卡帕系数）：LUMEN输出与临床医生评估间的一致性。
   • 诊断准确性（AUROC曲线分析）：LUMEN评估与临床诊断的比较。

5. 里程碑与时间表

研究将持续12个月（2025年4月-2026年4月），关键阶段如下：

阶段 月份 活动准备与伦理 1-3 最终IRAS批准、NHS研发批准、团队组建招募与数据收集 4-9 患者-护理人员对招募、临床医生招募、LUMEN测试可用性研讨会 6-8 共同设计研讨会、定性访谈数据分析与完善 9-10 主题分析、SUS/NASA-TLX评分、LLM改进最终报告与后续步骤 11-12 成果传播、大规模验证研究资助申请准备 6. 预期影响 本研究将生成关键可行性数据，为更大规模的临床验证研究及后续NHS整合提供依据。预期成果包括：

• 一个经过完善、共同设计的LUMEN原型，具有改进的可用性和可访问性。
• 关于可用性和认知负荷的定量证据，支持未来资助申请。
• 人工智能辅助补充病史采集的初步见解，为作为医疗器械软件（SaMD）获得监管批准奠定基础。
• 根据MHRA框架在NHS早期应用的潜力，简化痴呆症诊断流程。