基于大语言模型的临床预测模型研究报告指南（TRIPOD-LLM）解读.docxVIP

基于大语言模型的临床预测模型研究报告指南(TRIPOD-LLM)解读

关键词：大语言模型；人工智能；预测模型；报告指南；TRIPOD-LLM;解读

摘要

大语言模型(largelanguagemodel,LLM)医学研究数量激增，建立标准化、透明化的报告规范变得尤为重要。2025年1月，NatureMedicine发表LLM医学研究报告指南(TRIPOD-LLM),是首个专门针对基于LLM构建预测模型研究的综合性报告框架，其内容包括1个清单(19个主条目、50个子条目)、1个流程图和摘要清单(12个条目)。本文从TRIPOD-LLM的制订方法、主要内容、适用范围及各条目的具体内容进行解读，帮助研究者、临床医生、编辑、医疗决策者深入理解并正确使用TRIPOD-LLM,提高LLM医学研究报告质量和透明度，促进LLM规范、伦理地融入医疗领域。

正文

为促进预测模型研究的透明化与规范化报告，2015年BMJ等11家国际知名期刊同时发布个体预后诊断预测模型研究报告指南 (transparentreportingofamultivariablepredictionmodelforindividualprognosisordiagnosis,TRIPOD),即TRIPOD2015[1-2],提出包括22个条目(37个子条目)的清单。随后相继推出预测模型研究的摘要报告指南(TRIPODforAbstracts)[3],

运用群组数据构建或验证预测模型研究报告指南(TRIPOD-Cluster)

[4-5],预测模型研究的系统评价和Meta分析报告指南(TRIPOD-SRMA)

1、制订方法

[6],预测模型研究方案报告指南(TRIPOD-P)[7]。TRIPOD主要用于报告基于回归分析构建或验证模型的研究。随着人工智能 (artificialintelligence,AI)技术的方法学突破，从传统机器学习(如随机森林、支持向量机)到深度学习方法(如卷积神经网络、长短期记忆网络),这些数据驱动型算法在预测模型的开发与验证中得到广泛运用[8-13],TRIPOD2015在应对非参数化、非线性建模方法的报告要求时已显现出明显局限性[14-15]。2024年，TRIPOD团队更新了TRIPOD2015,在BMJ上发布了针对主要使用统计回归模型或机器学习的临床预测模型研究报告指南(TRIPOD+AI)[16],清单条目由22个增加至27个。目前AI技术快速发展，大语言模型(largelanguagemodel,LLM)作为一种新兴生成式AI工具迅速应用于医学领域[17-18]。TRIPOD+AI对报道基于LLM构建预测模型的特有挑战缺乏针对性指导。为了促进完整、清晰和透明化报告LLM医学研究，2025年1月，NatureMedicine发表基于LLM临床预测模型报告指南 (TRIPOD-LLM)[19]。

TRIPOD-LLM[19]作为首个专门针对基于LLM的临床预测模型研究的综合性报告框架，旨在通过规范化研究披露标准，提升基于LLM的临床预测模型研究的透明度、可重复性和临床适用性。本文将系统解读TRIPOD-LLM的核心内容与创新价值，为研究人员深入理解和正确应用TRIPOD-LLM提供参考。

TRIPOD-LLM制定流程严格遵循EQUATOR协作网指南开发规范，由跨学科指导委员会(包含临床医学、自然语言处理、AI和医学信息学等领域的专家)全程监督，采用改良德尔菲法，最终会议对核心条目达成共识，具体流程见附图1。该流程确保指南既保持方法学严谨性，又能适应生成式AI的技术特性。

工作原理

工作原理

完整的TRIPOD-LLM清单

包含LLM研究发布时应报告的

全部59个项目，但并非所有项

目都适用于每项研究

选择要报告的研究任务

如LLM分类、摘要和翻译等

任务

选择研究相关的研究设计

如LLM从头开发、

LLM方法和LLM评估

筛选最终报告项目

根据选择自动过滤出需报告的

子项目，注意项目清单将随领

域发展动态更新

示例场景

初始报告项目

包含59个项目，涵盖背景与相关工作、方法与统计、可重复性与资助、发现与敏感性分析

选择研究任务后

您选择特定研究任务(例如分

类)后，报告项目缩减至57个

选择研究设计后

您选择特定研究设计(例如

LLM评估)后，报告项目进一步缩减至50个

最终生成报告清单

TRIPOD-LLM交互