Use of large language models in German general practice: A cross-sectional survey

在诊室静谧的嗡鸣声中，一种新型的助手正开始出现，它并非以白大褂的形式出现，而是以一行代码的形式存在。这个助手是一个大型语言模型，一种在庞大文本库上进行过训练，旨在理解并生成人类语言的人工智能。与遵循僵化、预设规则的旧式计算机程序不同，这些模型可以通过预测下一个词应该是什么，来回答问题、总结复杂信息并起草文档，就像一个读过了几乎所有已写文献的高级自动补全功能。几十年来，医生与患者之间的关系一直是私密的对话，是关于症状、病史和护理的双人交流。现在，第三个元素正在进入这个空间，提出了一个简单却深刻的问题：德国的全科医生对将这种数字工具引入日常工作有何看法，他们是否准备好让它协助他们决定如何治疗身边的邻里？

马尔堡菲利普斯大学（Philipps-Universität Marburg）家庭医学研究所的研究人员通过直接询问德国全科医生来试图回答这个问题。他们在2026年2月至6月期间进行了一项调查，邀请来自全国各地的个人诊所、协作诊所和医疗中心的医生分享他们的经验。其目的不是去猜测未来可能发生什么，而是为了捕捉当时正在发生的真实情况。他们询问了完成问卷调查的206名医生，包括他们使用了哪些工具、使用的频率以及用于哪些任务。他们还询问了阻碍他们更频繁使用这些工具的障碍，包括他们是否信任模型提供的信息，以及他们认为这项技术将如何改变医患关系。

结果显示，这些数字助手已经成为了景观的一部分，尽管其角色仍处于定义阶段。约80%的受访医生表示，他们在专业工作中使用了大型语言模型。最受欢迎的工具是ChatGPT，在所有使用模型的医生中，约有三分之二使用了它。然而，医生使用这些工具的方式非常具体。他们通常不会用它们来撰写患者报告或处理行政文书工作——这些任务看似是计算机擅长的领域。相反，他们主要将这些模型用于知识获取和决策支持。当医生遇到不太熟悉的罕见病症，或者需要复核治疗方案时，他们会向模型寻求信息。医生发现，这些工具在深入研究陌生医学课题、辅助诊断思维以及生成治疗建议方面最为有用。

尽管使用率不断上升，但医生们仍保持着一种健康的谨慎态度。阻碍他们更自由地使用这些模型的最大障碍是对信息出错的恐惧。这些模型有时会产生听起来很自信但实际上事实错误的答案，研究人员指出，这种现象是大家关注的主要问题。除了对准确性的担忧外，医生们还担心数据保护以及围绕责任归属的法律灰色地带。如果模型给出了错误的建议，谁该负责？这些不确定性使得许多人未能将这些工具更深入地整合进工作流中。有趣的是，使用这些模型最频繁的医生通常较年轻，且从业年限较短，而使用频率在男性和女性之间并没有显著差异。

研究还密切关注了护理发生的时刻，即医生与患者共处的时刻。虽然41%的医生承认在患者在场时使用了这些模型，但值得注意的是，其中很大一部分人在使用时并未告知患者。约26%的受访者表示，他们在问诊过程中使用了该工具但未予以披露，而只有16%的人表示他们会对使用情况保持透明。这种实践与透明度之间的差距是显著的，尤其是考虑到有一半的医生认为，如果患者知道医生正在使用AI工具来提供帮助，患者实际上会做出积极反应。医生普遍认为，患者即便在就诊前先在网上查阅了症状，也不会因此停止看望他们。相反，他们预期患者带着从这些模型中获取的信息前来，会引导更多的讨论，从而将就诊过程转变为一场由患者、医生以及患者带来的信息共同参与的三方对话。

对于这个职业的未来而言，最令人欣慰的发现或许是医生们对自己角色的看法。绝大多数医生坚决拒绝了这些模型可以取代他们的观点。他们认为，虽然这些工具可以辅助处理事实和数据，但无法复制人类的同理心，也无法复制应对复杂现实情况所需的深厚专业知识。大多数医生觉得自己在这些工具方面的知识水平仍然较低，且大多数人从未接受过如何安全或有效地使用它们的正式培训。然而，他们有着强烈的学习欲望；近三分之二的人表示愿意在未来参加培训课程。

展望未来，受访医生预计这些工具将成为初级保健的标准配置，就像今天的听诊器或计算机一样。随着技术的改进和相关规则的明确，他们预计会更频繁地使用它们。研究表明，人工智能融入全科医学不是“是否”的问题，而是“如何”的问题。这一进程可能会缓慢进行，由那些希望让工作更轻松、决策更明智的医生所驱动，但前提是这些工具必须可靠，法律框架必须清晰，且必须有相关的培训，以确保人类护理的核心地位得以保留。