ChatGPT在药物相互作用预测与解析中的效能评估：一项实证研究

本文主要探讨了大型语言模型ChatGPT在预测和解释常见药物相互作用（Drug-Drug Interactions, DDI）方面的潜力。随着多药物疗法的普及，药物间的相互作用可能导致不良反应或治疗效果减弱，因此理解并预防DDIs对于临床实践至关重要。研究人员通过设计一项实验，选取了40个来源于先前文献的DDI案例，将药品名称输入ChatGPT，首先询问两种药物是否可以同时使用，然后追问可能存在的相互作用原因。 实验分为两个阶段：第一阶段是基于事实查询，测试模型能否提供基本的用药建议；第二阶段是深入解析，评估模型是否能给出明确或模糊的相互作用解释。两位药理学家对ChatGPT的输出进行了评价，将其判断为“正确”、“不正确”，进一步细分为“确定性”和“不确定性”。同时，他们还评估了模型的回答在阅读难度和所需的专业知识水平上，以衡量其对非专业用户的可理解性。 结果显示，ChatGPT在处理某些常见的DDI情况时表现出了一定的准确性和解释能力，特别是在确定性方面。然而，对于复杂的交互作用或罕见的情况，模型的性能可能有所下降，因为这可能超出了其训练数据的覆盖范围。文章强调了虽然ChatGPT作为辅助工具可以提供有价值的信息，但临床决策仍需医生的专业判断，尤其是在处理未包含在模型训练中的新发现或特殊情况时。 此外，研究者还讨论了版权和共享条款，指出该研究是开放获取的，并遵循Creative Commons Attribution License CC-BY 4.0协议，允许广泛使用、分发和复制，只要原始作者和来源得到认可。这项研究为语言模型在医疗领域中的应用提供了初步的洞察，暗示了未来AI技术在医药信息理解和交流中的可能性，但也提示了在实际临床实践中谨慎使用此类工具的必要性。