面向复杂肺癌开放式决策的可审计条件策略框架

复杂肺癌决策可能涉及多条均有依据的路径，其适用资格、排序和安全性取决于尚未明确的信息。有效的支持必须明确说明患者状况如何决定路径的适用性、暂缓和转向。MedGPT Clinical Explorer (MCE) 将备选方案、会改变决策的未知信息、安全约束和后备方案组织成一种供临床医生审查的条件策略。为在医生制定的策略中评估这种表述方式，多学科专家针对一组有目的抽取的100例病例中的40例，建立了特定病例的参照标准；来自98家机构的250名医生分别在无辅助、检索参照和MCE辅助条件下制定了2,250项策略。 与无辅助策略相比，MCE辅助策略表达了更多适用的临床要求，其衡量指标为可采纳路径达成评分（Admissible Pathway Attainment Score，APAS；0–100分），调整后差异为12.87（95% CI，11.18–14.55）；与检索参照策略相比，差异为5.22（3.52–6.93）。在检索参照和MCE辅助条件下使用相同知识库的情况下，新增内容主要集中于候选路径、决策关键性信息和安全约束。医生对整套策略可接受性的判断与APAS相关（Spearman's rho = 0.671）；此外，一项互补性关系审查评估了候选方案、条件与后续行动之间是否具有连贯联系。 总体而言，这些发现确定了开放式决策支持的两个互补维度：对临床相关内容的覆盖，以及路径、条件和后续行动之间的连贯联系。MCE提供了一个共享的决策对象，使会产生重要影响的遗漏和路径依赖条件在采取行动前变得清晰可见；未来的前瞻性研究应评估其对临床工作流程和患者结局的影响。