← 返回首頁

AI讓化療副作用記錄變多,患者有更好嗎?隨機試驗未見照護效益

ALLIANCE試驗的56人期中分析顯示,醫師可諮詢ChatGPT時,記錄下來的化療毒性較多,卻未改善處置或生活品質。這項小型研究提醒,補足病歷資訊與改善患者處境之間,還有一段需要實證跨越的距離。

By SURL BioNews

化療期間,多辨認出一項副作用,可能是調整照護的起點;但如果沒有帶來後續處置,患者未必因此好過。於2026年歐洲腫瘤內科學會(ESMO)年會發表的ALLIANCE隨機試驗,便呈現了這道落差:讓醫師按需諮詢大型語言模型(LLM),增加了化療毒性的記錄,卻未顯示患者生活品質或毒性管理有所改善。

這項韓國單一中心研究納入準備接受至少三個月化療的乳癌或結腸癌成人患者,以一比一比例分派至LLM輔助組或標準照護組,由同一批五名醫師診治。期中分析排除四名隨機分派後的患者,剩下56人。主要評估指標是以EORTC QLQ-C30問卷測量、從治療前到療程結束的整體健康狀態變化。

研究刻意保留門診日常工作的彈性。研究者Young-Joon Kang接受VJOncology訪問時說明,醫師自行決定是否諮詢ChatGPT,提問方式也未統一。輔助組99份每月報告中,只有47份記錄使用工具;未使用的原因幾乎都是醫師認為沒有需要。這意味著,分到輔助組並不等於每次評估都接受AI協助。

結果顯示,輔助組平均每位患者記錄5.4項毒性,標準照護組為2.8項,增加的多是缺乏既定處置流程的毒性。不過,劑量調整未見改善,ESMO對同一分析的介紹也指出,毒性管理與生活品質沒有因此提升。記錄較多究竟代表發現更多症狀,還是寫得更完整,這項研究尚無法分辨。

生活品質結果尤其需要審慎閱讀。據ASCO AI in Oncology報導,療程結束時的整體健康分數差異甚至偏向標準照護組,但當時只有31人完成評估,另有25人仍在接受化療,資料不完整使估計更難解讀。研究團隊在預先規劃的期中分析後,因未見整體健康狀態改善而停止收案;這並不足以證明LLM本身會使生活品質惡化。

安全性也有明確的適用條件:醫師僅能輸入去識別化資料,對話不連接電子病歷,且採取行動前必須審閱輸出。研究記錄到三次輕度幻覺,未見中重度幻覺,也沒有被歸因於介入措施的不良事件。不過,這些判定由參與醫師作出,未經獨立審查,不能據此推論無人監督使用同樣安全。

ALLIANCE提供的是一個具體而有限的答案:在這種由醫師自行決定何時使用的模式下,提供LLM存取權,尚未轉化為患者受益。樣本小、使用率不足一半,加上醫師知道分組,都限制了推論。下一步需要釐清的是,工具應在什麼時機介入、如何把辨識出的症狀接上有效處置,再以患者實際感受與臨床結果驗證價值。

References

  1. ASCO AI in Oncology
  2. European Society for Medical Oncology (ESMO)
  3. VJOncology