医学教育中的智能文档：AI 能取代手动病例记录吗？
计算与语言
2026-01-21 v1 人工智能
摘要
操作病例记录是放射学培训的核心要求，但手动编写既耗时又容易出现不一致。本研究调查了大语言模型（LLMs）是否能够直接从自由文本的放射学报告中自动化操作病例记录文档。我们评估了多个本地和商业LLM，在基于指令和思维链提示下，从2018年至2024年间由九名住院医师撰写的414份精选介入放射学报告中提取结构化操作信息。使用敏感性、特异性和F1分数评估模型性能，同时结合推理延迟和令牌效率来估算运营成本。结果表明，本地和商业模型均实现了强大的提取性能，最佳F1分数接近0.87，同时在速度和成本之间表现出不同的权衡。使用LLM进行自动化有潜力大幅减轻受训者的文书负担，并提高病例记录的一致性。这些发现证明了AI辅助文档在医学教育中的可行性，并强调了需要在不同机构和临床工作流程中进行进一步验证。
引用
@article{arxiv.2601.12648,
title = {Intelligent Documentation in Medical Education: Can AI Replace Manual Case Logging?},
author = {Nafiz Imtiaz Khan and Kylie Cleland and Vladimir Filkov and Roger Eric Goldman},
journal= {arXiv preprint arXiv:2601.12648},
year = {2026}
}
备注
51 pages, 12 figures, 8 tables. Feasibility study using retrospective radiology reports. Submitted to JAMIA Open (under review)