大型语言模型辅助肿瘤多学科诊疗
2026年3月25日 更新者：Yunfang Yu、Sun Yat-Sen Memorial Hospital of Sun Yat-Sen University
评估大型语言模型作为泛癌肿瘤多学科诊疗会决策支持代理的随机对照试验
多学科团队（MDTs）是个性化肿瘤治疗的黄金标准，但其受限于医疗资源和可及性。
尽管大型语言模型（LLMs）在医学推理中显示出潜力，但其在泛癌MDTs中的多学科实用性尚未得到充分探索。
在本项目早期阶段，通过基准测试筛选出具有较高临床应用效能的LLMs，并基于这些LLMs开展了一项开放标签随机对照研究（RCT）。
该研究旨在探讨AI辅助能否提升MDT诊疗报告的准确性和撰写效率。
本研究拟前瞻性收集20例患者的诊疗信息和MDT诊疗信息。
计划招募40名初级医生。
干预组医生将使用LLM辅助撰写MDT报告，而对照组医生将采用传统信息检索方法撰写MDT报告。
三位临床专家最终采用标准化李克特量表对干预组和对照组的MDT报告进行全面多学科评分。
本研究定量比较了MDT AI辅助模型与传统模型的诊疗质量和效率，以验证大型语言模型在辅助肿瘤诊疗中的应用潜力。
尽管大型语言模型（LLMs）在医学推理中显示出潜力，但其在泛癌MDTs中的多学科实用性尚未得到充分探索。
在本项目早期阶段，通过基准测试筛选出具有较高临床应用效能的LLMs，并基于这些LLMs开展了一项开放标签随机对照研究（RCT）。
该研究旨在探讨AI辅助能否提升MDT诊疗报告的准确性和撰写效率。
本研究拟前瞻性收集20例患者的诊疗信息和MDT诊疗信息。
计划招募40名初级医生。
干预组医生将使用LLM辅助撰写MDT报告，而对照组医生将采用传统信息检索方法撰写MDT报告。
三位临床专家最终采用标准化李克特量表对干预组和对照组的MDT报告进行全面多学科评分。
本研究定量比较了MDT AI辅助模型与传统模型的诊疗质量和效率，以验证大型语言模型在辅助肿瘤诊疗中的应用潜力。
研究概览
研究类型
介入性
注册 (估计的)
60
阶段
- 不适用
联系人和位置
本节提供了进行研究的人员的详细联系信息，以及有关进行该研究的地点的信息。
学习联系方式
- 姓名：Herui Yao, PhD
- 电话号码：+8613500018020
- 邮箱：yaoherui@mail.sysu.edu.cn
研究联系人备份
- 姓名：Yunfang Yu, PhD
- 电话号码：+8613660238987
- 邮箱：yuyf9@mail.sysu.edu.cn
学习地点
-
-
Guangdong
-
Guangzhou、Guangdong、中国、510000
- 招聘中
- Sun Yat-Sen Memorial Hospital of Sun Yat-Sen University
-
接触：
- Herui Yao, PhD
- 电话号码：+8613500018020
- 邮箱：yaoherui@mail.sysu.edu.cn
-
接触：
- Yufang Yu
- 电话号码：+8613660238987
- 邮箱：yuyf9@mail.sysu.edu.cn
-
Guangzhou、Guangdong、中国
- 招聘中
- Sun Yat-Sen Memorial Hospital of Sun Yat-Sen University
-
接触：
- Yunfang Yu, Doctor
- 电话号码：+8613660238987
- 邮箱：yuyf9@mail.sysu.edu.cn
-
-
参与标准
研究人员寻找符合特定描述的人，称为资格标准。这些标准的一些例子是一个人的一般健康状况或先前的治疗。
资格标准
适合学习的年龄
- 成人
接受健康志愿者
是的
描述
纳入标准：
- 具有执业医师资格证书的初级医生。
- 拥有3至5年临床经验的肿瘤科医生、外科医生、放射肿瘤科医生、放射科医生和病理科医生。
- 年龄：25至33岁，性别不限。
- 在研究期间，可参与时间不少于10小时。
- 同意参与本研究并签署知情同意书。
排除标准：
- 曾参与过研究中纳入的20例病例中任何一例的既往诊疗。
学习计划
本节提供研究计划的详细信息，包括研究的设计方式和研究的衡量标准。
研究是如何设计的？
设计细节
- 主要用途：治疗
- 分配：随机化
- 介入模型：并行分配
- 屏蔽：单身的
武器和干预
参与者组/臂 |
干预/治疗 |
|---|---|
|
实验性的：人工智能多学科诊疗
本研究为一项前瞻性随机对照试验，干预内容为MDT报告书写的辅助工具。干预组使用LLM辅助MDT报告的撰写。将规定的MDT病历（不含诊疗意见）输入LLM，输出内容可作为MDT报告的参考。最终，MDT诊疗意见由医生根据个人判断进行书写。
|
本研究为一项前瞻性随机对照试验，干预内容为MDT报告撰写的辅助工具。
干预组使用LLM辅助撰写MDT报告。
将规定的MDT病历（不含诊疗意见）输入LLM，输出内容可作为MDT报告的参考。
最终由医生根据个人判断撰写MDT诊疗意见。
对照组采用传统信息检索方法（如谷歌、文献、教材）撰写MDT诊疗意见。
|
|
无干预：Trad-MDT
对照组使用传统信息检索方法（如Google、文献和教科书）来撰写MDT诊疗意见。
|
研究衡量的是什么？
主要结果指标
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
MDT报告的综合评分
大体时间：在最多4周内，完成所有病例（n=20）的医疗意见撰写。
|
临床专家对MDT报告中不同科室的诊断和治疗意见进行了全面评估，并采用标准化的李克特量表对干预组和对照组的MDT报告进行综合评分（1至5分，分数越高越好）。
|
在最多4周内，完成所有病例（n=20）的医疗意见撰写。
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
MDT报告中的放射肿瘤学评分
大体时间：在长达4周内，完成所有病例（n=20）的医疗意见撰写。
|
临床专家采用标准化李克特量表对干预组和对照组MDT报告的放疗科诊疗意见进行评分（1至5分，分数越高越好）。
|
在长达4周内，完成所有病例（n=20）的医疗意见撰写。
|
|
MDT报告中的肿瘤内科评分
大体时间：最多4周内，完成所有病例（n=20）的医疗意见撰写。
|
临床专家采用标准化Likert量表对干预组和对照组MDT报告的肿瘤内科诊疗意见进行评分（1至5分，分数越高越好）。
|
最多4周内，完成所有病例（n=20）的医疗意见撰写。
|
|
MDT报告的病理学评分
大体时间：最多4周内，完成所有病例（n=20）的医学意见撰写。
|
临床专家使用标准化的李克特量表对干预组和对照组中MDT报告的病理诊断和治疗意见进行评分（1至5分，分数越高越好）。
|
最多4周内，完成所有病例（n=20）的医学意见撰写。
|
|
MDT报告的放射学评分
大体时间：在长达4周内，完成所有病例（n=20）的医学意见撰写。
|
临床专家使用标准化的李克特量表对干预组和对照组MDT报告的放射学诊疗意见进行评分（1至5分，分数越高越好）。
|
在长达4周内，完成所有病例（n=20）的医学意见撰写。
|
|
撰写MDT报告的时间消耗
大体时间：最多4周内，完成所有病例（n=20）的医学意见撰写。
|
干预组和对照组均按时完成每个病例的MDT报告（单位：小时）。
|
最多4周内，完成所有病例（n=20）的医学意见撰写。
|
合作者和调查者
在这里您可以找到参与这项研究的人员和组织。
调查人员
- 研究主任：Herui Yao, PhD、Sun Yat-Sen Memorial Hospital of Sun Yat-Sen University
- 学习椅：Yunfang Yu, PhD、Sun Yat-Sen Memorial Hospital of Sun Yat-Sen University
研究记录日期
这些日期跟踪向 ClinicalTrials.gov 提交研究记录和摘要结果的进度。研究记录和报告的结果由国家医学图书馆 (NLM) 审查，以确保它们在发布到公共网站之前符合特定的质量控制标准。
研究主要日期
学习开始 (实际的)
2026年1月1日
初级完成 (估计的)
2026年12月31日
研究完成 (估计的)
2026年12月31日
研究注册日期
首次提交
2026年3月11日
首先提交符合 QC 标准的
2026年3月25日
首次发布 (实际的)
2026年3月31日
研究记录更新
最后更新发布 (实际的)
2026年3月31日
上次提交的符合 QC 标准的更新
2026年3月25日
最后验证
2026年3月1日
更多信息
与本研究相关的术语
其他相关的 MeSH 术语
其他研究编号
- SYSKY-2026-071-02
计划个人参与者数据 (IPD)
计划共享个人参与者数据 (IPD)？
不
IPD 计划说明
若所申请用途符合公共利益、不与其他申请冲突，且申请者愿意签署数据访问协议，则将考虑提供个人数据或研究文件的请求。
请联系通讯作者。
药物和器械信息、研究文件
研究美国 FDA 监管的药品
不
研究美国 FDA 监管的设备产品
不
此信息直接从 clinicaltrials.gov 网站检索，没有任何更改。如果您有任何更改、删除或更新研究详细信息的请求，请联系 register@clinicaltrials.gov. clinicaltrials.gov 上实施更改，我们的网站上也会自动更新.