基于 LLM 的糖尿病诊断支持：机遇、情景与挑战
计算与语言
2025-09-29 v1
摘要
糖尿病是全球主要的健康挑战，影响全球半亿成人，患病率预计上升。虽然美国糖尿病协会 (ADA) 提供明确的诊断阈值，但早期识别仍然困难，由于症状模糊、实验室值边缘、妊娠复杂性以及长期监测的需求。大型语言模型 (LLM) 的进展为通过结构化、可解释且患者友好的输出来增强决策支持提供了机遇。本研究评估了最新的生成式预训练变换器 GPT-5，构建的模拟框架完全基于与 ADA 2025 标准护理一致的合成案例，灵感来自包括 NHANES、Pima 印第安人、EyePACS 和 MIMIC-IV 在内的公共数据集。测试了五个代表性情景：症状识别、实验室解读、妊娠糖尿病筛查、远程监测和多模态并发症检测。对于每个情景，GPT-5 对案例进行分类，生成临床依据，输出患者解释，并生成结构化 JSON 摘要。结果显示与 ADA 定义的标准高度一致，表明 GPT-5 可能作为面向临床医生和患者的双用途工具，同时强调了负责任评估 LLM 在医疗保健中作用的可重复评估框架的重要性。
引用
@article{arxiv.2509.21450,
title = {LLM-Based Support for Diabetes Diagnosis: Opportunities, Scenarios, and Challenges with GPT-5},
author = {Gaurav Kumar Gupta and Nirajan Acharya and Pranal Pande},
journal= {arXiv preprint arXiv:2509.21450},
year = {2025}
}