生成式大语言模型在麻醉学中的应用进展

生成式大语言模型在麻醉学中的应用进展生成式大语言模型（ｌａｒｇｅｌａｎｇｕａｇｅｍｏｄｅｌｓ，ＬＬＭｓ）能够依据自然语言指令生成连贯文本，并结合上下文完成问答、归纳和内容转换［１］，在医学信息处理中显示出应用潜力。临床麻醉工作具有信息分散、决策窗口短、操作风险高和团队协作紧密等特点，麻醉医师经常需要在较短时间内汇集临床资料，再完成术前评估、麻醉计划和医患沟通。ＬＬＭｓ可根据自然语言指令整理上述临床资料并生成相关文本，但模型输出的内容质量、事实准确性和临床适用性仍需分别评价。Ｃｈｕａｎ等［２］的临床专题综述将ＬＬＭｓ在麻醉学领域相关应用概括为临床信息处理、患者沟通、教学科研和决策支持；Ｄａｃ⁃ｃａｃｈｅ等［３］的系统综述主题涉及围手术期治疗与护理、患者教育和医学教育；ＬＬＭｓ用于围手术期风险分层的ｍｅｔａ分析显示，研究结果差异显著，准确率预测区间为０．０３～１．００，且证据质量为低至极低［４］。因此，评价重点正在从模型能否作答，转向回答依据是否充分、使用场景是否明确以及错误可能造成的临床后果。既往综述多侧重应用场景和潜在风险的概述。本文纳入近年来ＬＬＭｓ的真实工作流程和临床病例研究，结合研究设计、评价指标及安全性结果辨析不同任务的证据边界，并讨论本地验证、数据与版本管理、人工复核和持续监测等临床转化条件。本文所述ＬＬＭｓ限于能够直接生成文本的模型，同时讨论基于此类模型开展的领域适配、检索增强生成（ｒｅｔｒｉｅｖａｌ⁃ａｕｇｍｅｎｔｅｄｇｅｎｅｒａｔｉｏｎ，ＲＡＧ）和本地小模型应用。一、知识检索与信息整合临床信息整合依托的指南、专家共识及院内制度需实时更新、可溯源核查，而通用ＬＬＭｓ普遍存在知识滞后、输出无可靠溯源的问题。ＲＡＧ的基本过程是先把知识库切分为较短的文本段落，找出与问题相关的内容，再交由模型组织答案。其输出质量受资料权威性、检索内容相关性及模型转述准确性共同影响。Ｋｅ等［５］基于１４项围手术期临床场景、３５项本地指南及２３项国际指南，对１０类ＬＬＭｓ及ＲＡＧ模型开展对比评价。该研究将模型输出拆解为多项评价指标：国际指南适配性评价结果显示，ＧＰＴ⁃４的指南符合率达９６．４％，优于人类对照组的８６．６％；在综合内容评价中，人类在用药说明维度表现更优，两组整体效能差异无统计学意义；部分接入指南知识库的Ｌｌａｍａ⁃２模型，医学严重错误发生率不降反升。ＲＡＧ技术对限定指南类临床任务具备优化作用，但其提升效果依赖模型类型与评价场景。在自主检索场景下，ＲＡＧ模型的输出稳定性较差。Ｐｈｕｏｎｇ等［６］以３５０道麻醉学试题为测试样本，证实常规ＲＡＧ仅将答题准确率由５０．２９％提升至５６．５７％，准确率超过８０％的优质输出多依赖研究者预先筛选、提供参考资料的条件，且过量检索文本引入的干扰信息会降低多数模型的表现。Ｄｏｎｇ等［７］围绕１１项产科麻醉指南问题，对比不同模型与提问方式的输出效果，结果显示在准确性、完整性及过度推断方面，各组结果无显著差异。综上，临床信息整合更适合使用经过审核并标明版本的本地资料，同时向使用者显示出处和相关原文。模型间的相对表现也会随版本和评价方法而改变。Ｃａｆｆｅｒｔｙ等［８］针对１０个全身麻醉常见临床问题，对１０种ＬＬＭｓ开展对比测评，专家评分均数为５．２～７．７分，传统搜索结果摘要为５．３分；参与评价的麻醉医师尤其关注信息来源是否可信。尽管研究规模较小，但其结果表明，临床信息整合评价需纳入证据来源与用户信任度指标。模型、提问方式或知识库更新后，需要依托本地代表性问题重新测试，并保存相应版本和结果。二、文书形成、患者宣教与沟通病历摘要提取、临床信息筛选与医疗文书草拟均基于现有临床记录完成，且可经医师人工核查校正，这类任务是ＬＬＭｓ在麻醉临床场景中落地较早的应用方向。ＭａｃＫａｙ等［９］选取两家院区６００份成人心脏外科术中经食管超声心动图报告，采用５种本地部署开源模型自动提取左心室射血分数、右心室收缩功能、三尖瓣反流程度等参数，通过多模型结果一致性判定输出可靠性。结果显示，要求５种模型输出完全一致时，术前参数提取准确率可达９９．４％，但只能对８１．７％的目标内容输出结果；若放宽模型一致性标准，信息覆盖范围可有效提升，但输出错误率亦随之增加。该研究证实了本地开源模型处理麻醉专科自由文本的可行性，同时表明模型应用需在输出准确性与信息覆盖率之间进行权衡。受限于单中心数据与有限评价指标，该研究结论仍需多中心研究进一步验证。现阶段术前文书相关研究已从模拟试验逐步过渡至真实临床场景。ＰＥＡＣＨ随机交叉试验纳入１４名住院医师与２７２例临床病例，结果显示模型应用并未显著缩短整体会诊时长与文书撰写时长；亚组分析提示，该工具可有效降低中等复杂病例、高年资麻醉住院医师的文书耗时，但该结果未进行多重比较校正，存在统计偏倚风险［１０］。后续该团队基于真实临床环境开展２４０次无临床决策干扰的静默测试，模型迭代更新后２３５次输出结果均与指南与专家共识一致，仅出现１次内容幻觉与２次内容偏离问题［１１］。系列研究呈现了ＬＬＭｓ从临床效能评估到本地化安全测试的应用过程，目前该技术仅在部分场景具备落地可行性，整体临床应用效率与患者获益仍缺乏充分证据支撑。麻醉文书生成需兼顾产出效率与内容质量。Ｒａｈｒｉｓｃｈ等［１２］纳入３０名麻醉医师的模拟交叉试验结果显示，生成式人工智能辅助下的临床会诊时长平均缩短２５２ｓ，同时减少了医师屏幕注视与键盘操作时间，但外部评审结果显示人工撰写文书的整体质量更优。Ｇｕ等［１３］对１５例复杂术前会诊的模型初稿进行专家复核，累计检出３２处临床相关错误，主要集中于风险评估与麻醉方案制订。在临床实际应用中，需完整留存模型生成依据的原始资料与医师修订痕迹，最终文书必须经执业医师审核签发。模型辅助文书的效率评价，需综合纳入内容核对、修改校正的耗时成本，并严格核查签发后文书的残余错误。目前ＬＬＭｓ患者沟通相关研究多采用专家主观评分评价模型对临床常见咨询问题的应答质量。Ｃｈｏｉ等［１４］对比测试结果显示，ＧＰＴ⁃４对３０项临床常见问题的应答质量优于ＧＰＴ⁃３．５，但仍存在部分完全不适用于患者的应答内容。Ｏｌｕş和Ｂａｂｕｎ［１５］对３款免费智能问答机器人开展对比评价，各模型专家评分差异显著，因研究未设置标准化应答依据与指南逐项评分体系，评价结果仅反映专家对文本质量的整体主观判断。相较于专家评价，聚焦患者真实体验的临床研究较少。Ｙａｈａｇｉ等［１６］开展的ＣｈａｔＧＰＴ术前焦虑干预随机试验显示，试验组与对照组焦虑评分变化趋势存在差异，但组间总体差异无统计学意义，患者满意度亦未体现明确获益。现阶段ＬＬＭｓ可辅助麻醉医师草拟患者宣教材料与常见问题解答，但禁食管理、用药调整、个体化麻醉方案等核心个体化内容，必须由麻醉医师人工审核核定。患者宣教文本的可读性、共情性与内容准确性是３个相互独立的评价维度。在虚拟病例问答测试中，ＣｈａｔＧＰＴ应答整体质量与单人麻醉医师水平相近，共情表现突出，但存在更多与学科共识不一致、具有潜在临床风险的应答内容［１７］。双语场景研究显示，ＣｈａｔＧＰＴ⁃３．５对硬膜外分娩镇痛相关问题的西班牙语应答准确性显著低于英语应答［１８］。文本可读性分析表明，经ＣｈａｔＧＰＴ改写的宣教文本，阅读难度对应教育年级由８．４级降至７．７级，仍高于预设的６级通俗宣教标准［１９］；针对含个人偏好、复杂病情的临床问题，模型应答内容通常需要高中至大学水平的阅读理解能力［２０］。面向患者使用时，需要结合目标人群进一步检验语言表达、实际理解程度及不同语言之间的差异。三、教学培训与科研辅助ＬＬＭｓ可辅助麻醉教学开展知识解析、虚拟病例生成、模拟考试命题等工作，相关教学材料可由授课教师预先审核校正。ＧＰＴ⁃４在美国麻醉学委员会基础及高级笔试样题中的正确率分别达７８．３％和８０．０％，但模拟考核场景中仍存在考核重点排布不合理、内容缺失及信息重复等问题［２１］。欧洲国家开展的麻醉学考试相关研究亦证实，各类ＬＬＭｓ整体答题表现尚可，但模型应答幻觉发生率为１１．０％～２０．１％［２２］。考试答题结果仅能反映模型的基础知识问答能力，在教学应用场景中，还需重点考量模型的原理阐释准确性，以及学习者对模型输出错误的甄别能力。在试题生成方面，Ｈöｌｚｉｎｇ等［２３］对比１４道人工编撰试题与１５道微调ＬＬＭ生成试题，用于１５７名学生的课程考核，所有模型生成试题均经教育专家前置审核。结果显示，两类试题的难度、学生能力区分度差异无统计学意义，但整体区分效能均处于较低水平。在虚拟病例生成方面，Ｓａｒｄｅｓａｉ等［２４］使用无需编写程序即可配置的生成式人工智能平台，通过设定患者背景构建可供麻醉医师交互的虚拟患者。１５名麻醉医师认为该平台操作便捷、病例模拟效果较好，但模型输出仍存在虚假信息。这类工具可帮助教师起草试题和病例脚本，正式使用前仍需根据教学目标审定内容，并在考试后分析题目质量或与既有教学方式比较。在科研辅助场景中，ＬＬＭｓ的核心缺陷集中于文献漏检与虚假引文生成。Ｊｉｎ等［２５］基于９５项麻醉学教学提示开展模型测评，结果显示模型在问题应答及文献引证环节均存在显著不足，可出现虚构作者、期刊名称、ＤＯＩ等问题，且开放式应答的专家评分一致性较差。ＤｅＣａｓｓａｉ等［２６］以８５篇麻醉学系统综述的原始纳入文献为参照，比较不同模型在ＰｕｂＭｅｄ中检出目标文献的比例。结果显示，原始综述检索式的文献检出率中位数为６５％，专用检索工具Ｍｅｔａ⁃ＡｎａｌｙｓｉｓＬｉｂｒａｒｉａｎ为２４％，而ＣｈａｔＧＰＴ⁃４ｏ仅为６％。由此可见，ＬＬＭｓ仅可辅助拓展检索关键词、整理文献筛选台账，系统性文献检索策略仍需由科研人员或信息专业人员设计并验证，所有引文信息均需回溯数据库与原文逐一核验。ＲＵＬＥ⁃ＡＰ共识进一步明确，需公开披露ＬＬＭｓ在论文撰写、同行评议及期刊编辑中的应用情况，且研究成果的最终学术责任由研究者承担［２７］。四、临床辅助决策与实践探索ＬＬＭｓ在麻醉临床决策中的应用场景差异显著，单纯指南检索类基础任务、麻醉方案制订、风险评估及患者分诊，对证据等级和容错率的要求不同。目前相关研究多基于虚拟病例或回顾性病例开展，仅少量模型完成真实临床场景部署。此外，临床决策相关研究需明确区分应用场景，术前风险预测与术后并发症回顾性识别的评价标准及临床价值存在本质差异，不可一概而论。输出高风险建议是通用ＬＬＭｓ直接参与决策的主要障碍。ＡｂｄｅｌＭａｌｅｋ等［２８］通过１０例术前病例测评表明，ＧＰＴ⁃４．０生成的麻醉方案与资深麻醉医师决策的一致性不稳定，存在气道管理方案选择不当、术后镇痛不足等隐患。针对区域麻醉与抗栓治疗的虚拟病例测试显示，ＣｈａｔＧＰＴ与Ｇｅｍｉｎｉ模型的危险性应答占比分别达２０％与１２％［２９］。在局部麻醉药安全剂量研究中，ＣｈａｔＧＰＴ模型对１０例测试病例中的９例给出非安全剂量，Ｃｏｐｉｌｏｔ模型有效作答的９例中６例存在非安全剂量问题［３０］。对于存在明确禁忌证、剂量阈值的任务，ＬＬＭｓ仅适宜辅助提示医师核查要点与循证依据，最终临床决策需严格遵循专科诊疗规范，由麻醉医师审核判定。为模型提供结构化专科知识，可有效优化ＬＬＭｓ在限定临床任务中的表现。Ｊａｒｒａｓｓｉｅｒ等［３１］采用１００例虚拟病例评价３种模型生成术前麻醉评估和计划的能力，其中ＣｈａｔＧＰＴ生成内容的完整率为９８％，在１２个评价领域中７个领域获得最高指南一致性评分；各模型在高风险或复杂病例中的可靠性仍不足。针对４０项口服抗凝药围手术期管理场景，模型原始应答的指南符合率仅为５０％～６０％，嵌入结构化临床决策表后，符合率提升至８０％～１００％［３２］。另有抗血栓管理相关研究表明，经过领域适配优化的模型，信息完整性尚可，准确性与麻醉医师无显著差异［３３］。现有研究结果支持依托专科临床问题定制结构化知识库、规范模型输出范式可改善模型性能，但其真实临床应用价值仍需前瞻性病例研究进一步验证。ＬＬＭｓ还可能形成隐蔽且稳定的决策偏倚。有研究基于２１６例髋部骨折手术标准化临床场景，对５种通用ＬＬＭｓ开展５４０００次重复应答测试，结果显示模型整体麻醉决策逻辑基本合理，但其提及的椎管内麻醉优势未得到随机对照试验证实，显示出较强的方案偏好［３４］。在４１例合并心脏病的非心脏手术病例中，不同ＬＬＭｓ对ＡＳＡ分级评估的准确率为５８．５％～７３．２％，同时较多建议采用全身麻醉、增加有创监测或术后收入ＩＣＵ［３５］。对模型决策的评价除了逐项核对证据，还要关注模型是否持续偏向某种麻醉方式或更积极地监测和术后管理。围手术期风险分层模型的性能极易受病例选择与输入数据质量影响。Ｃｈｕｎｇ等［３６］利用ＧＰＴ⁃４Ｔｕｒｂｏ模型开展８项围手术期风险与手术时长预测任务，模型在分类任务中的Ｆ１值为０．５０～０．８６，对麻醉后恢复室停留时间、总住院时间和ＩＣＵ停留时间的预测均较差。该研究对罕见结局人为平衡了阳性和阴性病例，导致测试结果无法直接适用于真实临床人群的阳性风险预测与风险校准。Ｃｈｅｎ等［３７］基于２４４９１例临床内部数据，验证ＬＬａＭＡ⁃ＲＡＧ模型对术后３０ｄ住院死亡风险的预测能力，结果显示死亡病例检出率达９３．７５％，但阳性预测值仅为３１．０３％，且该模型与传统预测模型的输入数据存在显著差异。综上，临床文本数据可支撑模型开展风险识别，但实现临床可用的精准风险预测工具，仍需完善外部验证、风险校准与临床决策效益评价。同一任务中的模型性能比较，需要保证输入资料、输入数据、数据集划分标准与评价指标一致。一项基于２１０４９例手术患者结构化术前电子病历的研究显示，ＧＰＴ⁃４ｏ模型的ＡＳＡ分级评估整体准确率优于传统机器学习模型，但对ＡＳＡ分级Ⅳ级患者的识别率仅为２８％，高风险人群筛查能力存在明显缺陷［３８］。Ｌｉｎ等［３９］纳入６００例术前评估患者，探讨既往诊疗数据对模型性能的影响，结果显示接入医保系统既往诊疗资料后，ＧＰＴ⁃４ｏ模型与专科医师ＡＳＡ分级的一致性分析κ值达０．８８３；剔除相关历史数据后，一致性分析κ值降至０．５１８，且判定Ⅰ级低风险的病例增多。该结果证实数据完整性对模型决策的决定性作用，也提示整体效能优异的模型，仍可能存在高风险患者漏诊的临床隐患。真实临床场景研究已将评价维度从单纯模型效能拓展至整体临床系统的应用效果。Ｗａｎｇ等［４０］将ＬＬＭ嵌入电子健康记录系统，前瞻性筛查６１９３例手术患者是否需要围手术期内科协同管理。在筛查病例中，医师对１０７７例（１７％）反馈了审核结果；在该反馈子集中，模型筛查的灵敏度为０．９４，特异度为０．７４。研究团队对１９例初判为假阴性的病例进一步复核后发现，仅２例归因于模型误判，其余偏差与病历信息缺失、术后新发病情、筛查标准及医师标注有关。这表明ＬＬＭｓ辅助筛查的临床效能并非仅由模型本身决定，数据质量、筛查规则、医师如何使用均会影响最终表现。本地部署模型为敏感临床数据处理、场景精准应用提供了新的路径。Ｇａｏ等［４１］构建专项模型对２２项围手术期并发症进行逐一判别，并通过其他中心数据完成外部验证。结果显示，对单项并发症独立判别后，４Ｂ模型综合分类效能显著提升，经低秩适配参数微调后，模型性能得到进一步优化。需注意的是，该研究仅针对术后病历已发生的并发症开展回顾性识别，尚未实现前瞻性临床决策应用。结合既往专科文本抽取研究结果，本地模型的核心优势在于减少敏感医疗数据外传，并把处理范围集中在特定任务，其准确性仍需按具体场景验证。五、主要限制与实施条件１．应用场景与任务边界应用场景决定了系统容错标准。宣教文本、病历摘要可经人工逐项核查修正，而剂量计算、抗栓管理、气道方案等诊疗内容的模型错误可直接影响患者安全。部署前需明确适用患者范围、数据来源及临床介入环节。文本草拟类低风险任务可由模型生成初稿，经医师修改签发；核心诊疗场景下，模型仅宜提供循证证据与提示信息缺失，超边界场景需直接移交专科医师处置。２．评价指标与参照标准评价指标需要与研究任务相匹配。准确率反映总体判断情况，兼顾检出率和预测正确程度的综合指标更适合目标病例筛查。专家评分可对内容质量判断进行补充，但存在评分者偏倚［４２］。人为平衡阳性与阴性病例会改变模型在真实人群中的阳性预测值，以单名医师作为参照也无法代表最佳证据。临床研究应披露病例来源、输入资料完整性、模型版本和主要终点计算方法。风险预测研究还需报告严重错误和风险校准，并在其他时段或其他医疗机构验证。３．数据处理与版本管理临床数据缺失、ＲＡＧ检索过期或非适配文献，均会导致模型输出偏离临床规范。知识库需要注明文件来源、适用人群和时效范围，并保留回答依据的原始文献。模型或知识库进行任何更新后，均应使用同一组本地病例重新评价。临床数据应用需严格限定使用范围、设置访问权限并留存操作记录。本地部署需明确模型获取渠道、更新机制与运维主体。４．人工复核与人机协同有效人工复核依赖医师可完整查阅模型数据源、证据依据，并具备充足的修改校核时间。模型输出文本规整、语气肯定时易引发医师过度依赖，产生自动化偏倚；而过度复核校正又会抵消模型的增效价值。系统界面需优先展示信息缺失、证据冲突来源与安全风险提示，支持医师自主修改或驳回模型输出。系统评价除生成效率外，还需涵盖全流程耗时、复核后遗留错误及模型对医师临床决策的实际影响。５．临床评价与持续监测现有医疗人工智能相关规范可为麻醉ＬＬＭｓ研究提供指导。ＦＵＴＵＲＥ⁃ＡＩ从公平性、可追溯性和稳健性等方面提出要求，并强调开展外部验证、本地临床评价和持续审计［４３］。ＤＥＣＩＤＥ⁃ＡＩ要求早期临床研究除报告技术性能和安全性外，还要说明系统如何进入工作流程以及使用者如何与其交互［４４］。对１４２项医疗ＬＬＭｓ评价研究的综述同样指出，评价应同时关注信息质量、潜在伤害和使用者信任程度［４２］。麻醉专科ＬＬＭｓ可先基于既往病例进行测试，并重点分析可能危及患者安全的错误；进入真实环境后，宜先在输出不用于临床决策的模式下运行，然后通过前瞻性临床评价与多中心验证逐步落地。临床应用中需全程记录模型建议的采纳、修改情况及错误处置流程。将模型输出与医师行为和患者结局联系起来，才能评价模型是否真正改善诊疗质量或节约资源。麻醉专科ＬＬＭｓ已实现早期探索，例如Ｈｙｐｎｏｓ模型使用麻醉学语料进行领域适配，并在标准测试集中评价其性能［４５］。专科系统可从单项任务入手，先确定知识来源和模型无法回答的处理方式，再使用本地病例与通用模型及现有工具开展对照测试。模型规模和专科名称本身无法代表临床性能，投入使用后还要监测模型表现随资料分布、版本变化的动态变化。六、结语生成式ＬＬＭｓ在麻醉学领域中的研究范畴，已从考试问答扩展到医疗文书撰写、患者沟通、风险分层和电子健康记录中的实际流程。现有证据较充分证实了其处理临床文本的能力，其中病历摘要整理、内容草拟和专科信息提取已有真实工作流程的研究证据。模型对工作效率和文书质量的提升效果不一致，在麻醉计划及用药管理等诊疗环节仍存在安全缺陷，且支撑患者临床获益的结局证据较为匮乏。后续研究应围绕明确的临床任务开展，在真实工作流程中评价模型是否改变医师行为、患者安全和资源消耗，并通过外部验证和持续监测确定稳定的使用范围。参考文献[1]ClusmannJ,KolbingerFR,MutiHS，etal.Thefuturelandscapeoflargelanguagemodelsinmedicine[J].CommunMed(Lond)，2023,3(1):141.DOI：10.1038/s43856-023-00370-1.[2]ChuanA,NandaM．Generativeartificialintelligenceinanesthesiology:currentevidence，clinicalapplications，andtheemergingroleofsmallmodels[J].Anesthesiology，2026,144(6):1420-1430.DOI：10.1097/ALN.0000000000005933.[3]DaccacheN,ZakoJ,MorissonL，etal.TheapplicationsofChatGPTandotherlargelanguagemodelsinanesthesiologyandcriticalcare:asystematicreview[J].CanJAnaesth，2025,72(6):904-922.DOI：10.1007/s12630-025-02973-9.[4]BelliniV,PanizziM,DelrioS，etal.PerioperativeriskstratificationwithAI-poweredchatbots:asystematicreviewandmeta-analysis[J].JClinMed，2026,15(12):4670.DOI：10.3390/jcm15124670.[5]KeYH,JinL,ElangovanK，etal.Retrievalaugmentedgenerationfor10largelanguagemodelsanditsgeneralizabilityinassessingmedicalfitness[J].NPJDigitMed，2025,8(1):187.DOI：10.1038/s41746-025-01519-z.[6]PhuongNQ,RuanSJ,ChenPF.Evaluatingretrieval-augmentedlargelanguagemodelsonanesthesiologyboard-stylequestions:Benchmarkstudy[J].JMIRFormRes，2026,10:e97902.DOI：10.2196/97902.[7]DongY,ShuR,QiuX，etal.AsystematiccomparisonofChatGPTandDeepSeekforguideline-basedquestionansweringinobstetricanesthesia[J].SciRep，2026,16(1):19236.DOI：10.1038/s41598-026-50276-w.[8]CaffertyO,JeffriesSD,PelletierED，etal.Acomparisonoftenlargelanguagemodelsandaconventionalsearchengineforclinicaldecisionsupportinanesthesiology:expertagreementandphysicianperceptions[J].AnesthAnalg，2026,142(5):985-993.DOI：10.1213/ANE.0000000000007864.[9]MacKayEJ,GoldfingerS,ChanTJ，etal.Automatedstructureddataextractionfromintraoperativeechocardiographyreportsusinglargelanguagemodels[J].BrJAnaesth，2025,134(5):1308-1317.DOI：10.1016/j.bja.2025.01.028.[10]KeYH,YangOngBS,JinL，etal.Clinicalandeconomicimpactofalargelanguagemodelinperioperativemedicine:arandomizedcrossovertrial[J].NPJDigitMed，2025,8(1):462.DOI：10.1038/s41746-025-01858-x.[11]KeYH,JinL,ElangovanK，etal.Real-worlddeploymentandevaluationofPEri-operativeAICHatbot(PEACH)：alargelanguagemodelchatbotforperi-operativemedicine[J].Anaesthesia，2026,81(1):62-71.DOI：10.1111/anae.16755.[12]RahrischA,BraunJ,GanterMT，etal.GenerativeAIinpreanestheticconsultations:effectsonefficiency，documentationworkload，quality，andphysician-patientinteraction:asimulationtrial[J].JClinAnesth，2026,110:112163.DOI：10.1016/j.jclinane.2026.112163.[13]GuS,PingJ,LinH，etal.Alargelanguagemodels-assistedandexpert-correctedworkflowforpreoperativeanesthesiaassessmentdrafts:asingle-centreexploratoryfeasibilitystudy[J].MedClin(Barc)，2026,166(11):107571.DOI：10.1016/j.medcli.2026.107571.[14]ChoiJ,OhAR,ParkJ，etal.Evaluationofthequalityandquantityofartificialintelligence-generatedresponsesaboutanesthesiaandsurgery:usingChatGPT3.5and4.0[J].FrontMed(Lausanne)，2024,11:1400153.DOI：10.3389/fmed.2024.1400153.[15]OluşF,BabunH．Evaluationoffree-accessartificialintelligencechatbotsinpreoperativepatienteducationaboutgeneralanesthesia:acomparativestudyofChatGPT，Gemini，andCopilot[J].DigitHealth，2026,12:20552076261450741.DOI：10.1177/20552076261450741.[16]YahagiM,HirutaR,MiyauchiC，etal.ComparisonofconventionalanesthesianurseeducationandanartificialintelligenceChatbot(ChatGPT)interventiononpreoperativeanxiety:arandomizedcontrolledtrial[J].JPerianesthNurs，2024,39(5):767-771.DOI：10.1016/j.jopan.2023.12.005.[17]KuoFH,FiersteinJL,TudorBH，etal.ComparingChatGPTandasingleanesthesiologist′sresponsestocommonpatientquestions:anexploratorycross-sectionalsurveyofapanelofanesthesiologists[J].JMedSyst，2024,48(1):77.DOI：10.1007/s10916-024-02100-z.[18]GonzalezFiolA,MootzAA,HeZ，etal.AccuracyofSpanishandEnglish-generatedChatGPTresponsestocommonlyaskedpatientquestionsaboutlaborepidurals:asurvey-basedstudyamongbilingualobstetricanesthesiaexperts[J].IntJObstetAnesth，2025,61:104290.DOI：10.1016/j.ijoa.2024.104290.[19]WeberV,TrueloveA,GohariSS，etal.OnlinepatientinformationonlabourepiduralanalgesiaprovidedbyUKNationalHealthServiceshospitals:assessmentofreadabilityandimprovementofreadabilitystandardsusingChatGPT[J].IntJObstetAnesth，2025,62:104344.DOI：10.1016/j.ijoa.2025.104344.[20]TanCW,ChanJCY,ChanJJI，etal.Informationaboutlaborepiduralanalgesia:anupdatedevaluationonthereadability，accuracy，andqualityofChatGPTresponsesincorporatingpatientpreferencesandcomplexclinicalscenarios[J].IntJObstetAnesth，2025,63:104688.DOI：10.1016/j.ijoa.2025.104688.[21]AngelMC,RinehartJB,CannessonMP，etal.Clinicalknow-ledgeandreasoningabilitiesofAIlargelanguagemodelsinanesthesiology:acomparativestudyontheAmericanBoardofAnesthesiologyExamination[J].AnesthAnalg，2024,139(2):349-356.DOI：10.1213/ANE.0000000000006892.[22]AndreiS,GietT,BelouardA，etal.PerformanceandhallucinationanalysisoflargelanguagemodelsonEuropeananesthesiologyexaminations:cross-sectionalcomparativestudy[J].JMIRFormRes，2026,10:e95859.DOI：10.2196/95859.[23]HölzingCR,MeynhardtC,MeybohmP，etal.Fine-tunedlargelanguagemodelsforgeneratingmultiple-choicequestionsinanesthesiology:psychometriccomparisonwithfaculty-writtenitems[J].JMIRFormRes，2026,10:e84904.DOI：10.2196/84904.[24]SardesaiN,RussoP,MartinJ，etal.Utilizinggenerativeconversationalartificialintelligencetocreatesimulatedpatientencounters:apilotstudyforanaesthesiatraining[J].PostgradMedJ，2024,100(1182):237-241.DOI：10.1093/postmj/qgad137.[25]JinZ,AbolaR,BargnesV3rd，etal.TheutilityofgenerativeartificialintelligenceChatbot(ChatGPT)ingeneratingteachingandlearningmaterialforanesthesiologyresidents[J].FrontArtifIntell，2025,8:1582096.DOI：10.3389/frai.2025.1582096.[26]DeCassaiA,DostB,KarapinarYE，etal.Evaluatingtheutilityoflargelanguagemodelsingeneratingsearchstringsforsystematicreviewsinanesthesiology:acomparativeanalysisoftop-rankedjournals[J].RegAnesthPainMed，2026,51(5):554-557.DOI：10.1136/rapm-2024-106231.[27]DeCassaiA,DostB,AugoustidesJG，etal.Responsibleuseoflargelanguagemodelsinmanuscriptauthorship，peerreview，andeditorialprocesses:aDelphiconsensusamongeditors-in-chiefofanaesthesiaandpainmedicinejournals(RULE-AP)[J].BrJAnaesth，2026,136(5):1625-1633.DOI：10.1016/j.bja.2026.01.029.[28]AbdelMalekM,vanVelzenM,DahanA，etal.GenerationofpreoperativeanaestheticplansbyChatGPT-4.0:amixed-methodstudy[J].BrJAnaesth，2025,134(5):1333-1340.DOI：10.1016/j.bja.2024.08.038.[29]WillsonCM,ThindBS,SrinivasJ，etal.Safetyintheageofartificialintelligence:evaluatinglargelanguagemodeladherencetoantithromboticmedicationandregionalanesthesiaguidelines[J].Cureus，2026,18(8):e114071.DOI：10.7759/cureus.114071.[30]SuppanM,FubiniPE,StefaniA，etal.Performanceof3conversationalgenerativeartificialintelligencemodelsforcomputingmaximumsafedosesoflocalanesthetics:comparativeanalysis[J].JMIRAI，2025,4:e66796.DOI：10.2196/66796.[31]JarrassierA,deSaint-LégerFB,deRocquignyG，etal.CanAIgeneratesafeanaesthesiaplans?Acomparativeevaluationofthreelargelanguagemodelson100syntheticcases[J].AnaesthCritCarePainMed，2026,45(4):101769.DOI：10.1016/j.accpm.2026.101769.[32]ÇallşkanMU,SarlbaşH,KeskinG，etal.Performanceoflargelanguagemodelsandclinicaldecisionsupportinperioperativemanagementoforalanticoagulants[J].IntJMedInform，2026,216:106456.DOI：10.1016/j.ijmedinf.2026.106456.[33]Pérez-FerrerA,DíazEG,SánchezJV，etal.ComparativeperformanceofGPT-4modelsandexpertanaesthesiologistsinperi-operativeantithromboticmanagement:across-sectionalevaluation[J/OL].EurJAnaesthesiol，2026(2026-5-4)[2026-08-17]./jnls/ejanaesthesiology/abstract/10.1097/eja.0000000000002418~comparative-performance-of-gpt-4-models-and-expert?redirectionsource=fulltextview.DOI：10.1097/EJA.0000000000002418.[publishedonlineaheadofprint].[34]ChenR,WarburtonA,DoR，etal.Large-scaleevaluationoffivelargelanguagemodelsinanesthesiadecision-makingforhipfracturesurgery[J/OL].AnesthAnalg，2026(2026-6-10)[2026-08-17]./jnls/anesthesia-analgesia/abstract/10.1213/ane.0000000000008148~large-scale-evaluation-of-five-large-language-models-in?redirectionsource=fulltextview.DOI：10.1213/ANE.0000000000008148.[publishedonlineaheadofprint].[35]PingJ,PanY,GuS，etal.Anexploratorystudyoflargelanguagemodelsinpreoperativeanesthesiaassessmentandplanningforcardiacpatientsundergoingnoncardiacsurgery[J].BMCAnesthesiol，2026,26(1):527.DOI：10.1186/s12871-026-04015-3.[36]ChungP,FongCT,WaltersAM，etal.Largelanguagemodelcapabilitiesinperioperativeriskpredictionandprognostication[J].JAMASurg，2024,159(8):928-937.DOI：10.1001/jamasurg.2024.1621.[37]ChenYH,RuanSJ,ChenPF.Predicting30-daypostope