癌症带来的痛苦，不仅仅是疾病本身。约70%的晚期癌症患者长期遭受剧烈疼痛的折磨，骨转移痛、神经病理性痛、化疗引发的疼痛……这些疼痛不仅严重影响患者的身体功能和生活质量，还容易引发抑郁、焦虑等心理问题，让患者的处境雪上加霜。
世界卫生组织（WHO）早在上世纪90年代就提出了"三阶梯止痛原则"，为临床镇痛提供了基本框架。然而在实际操作中，癌痛管理远比想象中复杂。首先，疼痛评估主要依赖医生的主观判断，不同医生对同一位患者的疼痛程度可能给出不同的评价；其次，癌痛的机制非常多样——伤害性疼痛和神经病理性疼痛常常同时存在，而且疼痛类型还会随着治疗进程动态变化；更棘手的是，每位患者的年龄、肝肾功能、既往用药史都不同，止痛药的选择和剂量必须"量身定制"，稍有不慎就可能引发药物中毒或严重的副作用。
那么，能否借助人工智能的力量，让癌痛管理变得更精准、更安全？中国中医科学院广安门医院的研究团队给出了一个令人振奋的答案。他们开发了一个名为OncoPainBot的AI协作框架，让大语言模型（LLM）模拟多学科专家团队的协作流程，自动完成从疼痛评估到用药方案制定再到安全审查的全流程。经过516份真实病历的验证，该系统在镇痛方案推荐上的准确率达到了84.1%。这项研究发表在《NPJ Digital Medicine》上。
在真实的医院里，癌痛患者的管理通常需要多个科室的专家协同配合——主治医生负责初步评估，疼痛科专家分析疼痛机制，临床医生制定治疗方案，药剂师把关用药安全。OncoPainBot的核心设计理念，就是用四个专门的AI模块来模拟这一多学科协作流程。
如图[1]所示，这四个AI"专家"各司其职、依次接力：
| AI模块 | 模拟角色 | 主要职责 |
|---|---|---|
| 疼痛提取模块 | 主治医生 | 从病历文本中自动提取疼痛位置、类型、强度等关键信息 |
| 疼痛机制推理模块 | 疼痛科专家 | 分析疼痛属于哪种类型（伤害性、神经病理性还是混合型） |
| 治疗规划模块 | 临床会诊团队 | 结合指南和患者具体情况，制定个性化镇痛方案 |
| 安全检查模块 | 临床药剂师 | 审查药物禁忌、相互作用和剂量是否安全 |
整个过程是一条"流水线"：前一个模块的输出，自动成为下一个模块的输入。比如，疼痛提取模块从一份杂乱的电子病历中整理出结构化的疼痛信息后，疼痛机制推理模块就会基于这些信息判断疼痛类型，治疗规划模块再根据疼痛类型和严重程度制定用药方案，最后安全检查模块会逐一核实药物是否与患者的肝肾功能状况匹配、是否存在药物相互作用等安全隐患。
值得一提的是，当病历中缺少关键临床信息时，系统不会"硬猜"，而是会主动标记"数据不足"并请求补充，避免在信息不完整的情况下给出可能有风险的建议。
要搭建这样一个AI系统，首先要选对"大脑"——也就是底层的大语言模型。研究团队对比测试了7款主流大模型：DeepSeek、Gemini 2.5 Pro、Claude 4、Kimi、ChatGPT 4o、豆包1.5 Pro和GLM4.5，在三个医学问答数据集上进行了系统评测。
从图[2]中可以看到，Claude 4在三个数据集上的准确率均名列前茅，尤其在MedMCQA和PubMedQA数据集上超过了80%。但"慢工出细活"——如图[3]所示，Claude 4的平均响应时间约为30秒，是所有模型中最慢的，而DeepSeek和豆包1.5 Pro仅需5-7秒。如果综合考虑准确率、速度和成本三个维度（图[4]），ChatGPT 4o和Gemini 2.5 Pro的性价比更高。但对于癌痛管理这种"宁可慢一点也不能错"的场景，研究团队最终选择了准确率最高的Claude 4作为核心引擎。
选定模型后，研究团队还对比了三种知识增强策略（RAG）：不使用RAG、普通RAG和图谱RAG。如图[5]所示，加入RAG后所有模型的准确率都有所提升，其中图谱RAG的准确率最高。在普通RAG的细分配置中，同时结合语义检索和关键词检索的"混合RAG"效果最佳。不过，图谱RAG的响应延迟也最大（约35秒），而最快的BM25 RAG只需3秒左右。
一个有趣的发现是，知识库并非"越大越好"。当知识库从1000个文档片段扩展到5000个时，准确率反而从峰值的0.869下降到了0.803——过多的信息引入了"噪声"，干扰了检索的精准度。最终，Claude 4 + 混合RAG的组合被选定为OncoPainBot的最优配置，在准确率与临床推理深度之间取得了最佳平衡。
选好了模型配置，下一步就是用真实的临床数据来检验系统的实际表现。研究团队收集了广安门医院516份癌痛患者的电子病历，从两个维度对OncoPainBot进行了验证：生成文本是否与真实医生写的一致，以及推荐的止痛方案是否与实际处方吻合。
在语义对齐方面，如图[6]所示，OncoPainBot在AI评价分数、语义相似度（BERTScore）、BLEU分数、ROUGE-L等多项指标上均领先于单独使用Claude 4、ChatGPT 4o等模型，表明它生成的临床报告在用词风格和内容逻辑上都高度接近真实医生的书写习惯。超过85%的参考文档关键短语被成功保留在生成的文本中。
在镇痛方案推荐方面，OncoPainBot的整体决策准确率达到84.1%，精确率85%，召回率高达94.6%（图[7]）。这意味着，对于真正需要某种镇痛方案的患者，系统能识别出其中94.6%的情况。从不同疼痛部位来看（图[8]），头痛的识别准确率最高（87.7%），骨痛略低（82.9%）；从疼痛程度来看（图[9]），重度疼痛的准确率最高（88.1%），中度疼痛相对较低（81.1%）。
那系统犯的错误主要是什么类型呢？如图[10]所示，在82个错误案例中，占比最高的是"患者个体因素误差"（14.6%）和"监测建议不足"（13.4%），而非选错了药物本身。这些误差主要源于病历中未记录患者的既往耐药史、患者自述疼痛描述模糊，以及多器官功能障碍患者的复杂药代动力学超出了模型的标准计算逻辑。换句话说，AI在"选药"这件事上表现可靠，但在需要深度理解患者个体差异的细节把控上仍有提升空间。
值得关注的是，如图[11]所示，OncoPainBot在各年龄段的表现相当稳定：66-80岁老年组准确率最高（86.3%），18-40岁青年组为83.9%，81岁以上超高龄组略有下降（81.8%），这可能与高龄患者多重用药和合并症的复杂性有关。
需要强调的是，研究团队明确将OncoPainBot定位为"医生的辅助工具"而非"自动处方系统"。所有AI生成的建议最终都需要由临床医生审核、修改或拒绝，最终的用药决策权始终掌握在医生手中。当安全检查模块与治疗规划模块产生分歧时（比如治疗模块建议标准剂量的阿片类药物，但安全检查模块发现患者有肾功能不全的风险），系统会优先采纳安全检查的意见。
当然，这项研究也有局限性。516份病历全部来自单一医疗中心，处方习惯和文档规范相对统一，可能高估了系统的泛化能力；目前的验证基于回顾性数据，尚未在真实的诊疗流程中进行前瞻性测试；在面对混合性疼痛或多器官功能障碍等复杂场景时，系统的表现仍有下降。
未来，研究团队计划开展多中心、前瞻性的临床验证，不仅评估处方一致性，还将关注患者的实际治疗效果、医生的工作负荷变化等更贴近临床现实的指标。当AI的可靠性在更大范围内得到验证，它或许能真正融入日常诊疗，让每一位癌痛患者都能获得更规范、更个性化的疼痛管理——这一天，可能不会太遥远。
本文由超能文献“资讯AI智能体”基于4000万篇Pubmed文献自主选题与撰写，并经AI核查及编辑团队二次人工审校。内容仅供学术交流参考，不代表任何医学建议。
分享
一项《柳叶刀-星球健康》研究揭示，中美印三国主流媒体在过去十年（2012-2023）对气候变化的报道中，高达90%未提及对人类健康的影响。文章深度分析了报道的偏科现象，呼吁媒体重构气候叙事，关注具体健康代价及脆弱人群。
意大利科学家突破性研究：通过一针肌肉注射，让肌肉细胞变身“胆固醇吸尘器”，血管斑块面积锐减75%，为家族性高胆固醇血症患者带来新希望，有望告别天天吃药。
JAMA重磅研究颠覆传统认知：极早产儿心脏动脉导管未闭（PDA），积极药物治疗死亡率竟是不治疗的两倍多，且无助于改善肺部发育。研究提前叫停，建议“观察等待”而非急于用药，或成更优选择。
德国KATRIN实验对3600万个电子进行精确测量，未能找到第四种“惰性中微子”存在的迹象，排除了此前多项存疑的实验结果，并为未来的暗物质搜寻设定了更严格的界限。
浙大团队开发"ZJU标准"，通过术前抽血分析游离DNA，精准预测肝癌肝移植后复发风险，识别高危人群，实现更精准的治疗决策。
浙江大学研究团队在《Advanced Science》上发表突破性研究，揭示了凝血因子F13A1如何促进巨噬细胞炎症，导致脂肪肝恶化为肝炎，并发现靶向PKM2的纳米药物能有效减轻肝脏炎症。
