军事护理

作者：潘新伟，陈红爽，梁诗聪，王卿驰，王亚琦，宁时安，徐雪蕾，史纪元，霍晓鹏

单位：中国医学科学院北京协和医院 护理部，北京 100730,中国医学科学院北京协和医院 护理部，北京 100730,中国医学科学院北京协和医学院 护理学院，北京 100144,中国医学科学院北京协和医院 护理部，北京 100730,中国医学科学院北京协和医院 护理部，北京 100730,中国医学科学院北京协和医院 护理部，北京 100730,中国医学科学院北京协和医院 护理部，北京 100730,北京中医药大学 护理学院，北京 100029,中国医学科学院北京协和医院 护理部，北京 100730

关键词：大语言模型;解读;报告规范;TRIPOD-LLM;预测模型

基金：中央高水平医院临床科研业务（2022-PUMCH-B-130）

随着大语言模型（large language models,LLMs）在医学诊断、科研与教育等领域的广泛应用，其卓越的生成与推理能力已显著展现优势。然而，医学领域对伦理、隐私保护及模型准确性的严格标准，也使LLMs的实际应用面临严峻挑战。尽管个体预后或诊断的多变量模型透明报告(transparent reporting of a multivariable prediction model for individual prognosis or diagnosis，TRIPOD)+人工智能（artificial intelligence，AI）为预后或诊断预测模型提供了报告规范，但其在生成式人工智能研究中的适用性仍显不足。本文解读了在TRIPOD+AI基础上扩展形成的TRIPOD-LLM报告指南，系统梳理了其在模型构建、验证、任务适应性及人类监督等方面的报告要素，为提升医学领域LLMs研究的透明度、规范性与可复现性提供了参考。

来源：2025年第11期

《军事护理》期刊编辑部

查看军事护理杂志2025年第11期