探索国内外主流大语言模型（LLMs）在肺癌辅助诊疗中的应用现状和前景。

来自复旦大学附属中山医院的肺癌诊疗多学科团队，结合国内外指南和长期临床实践经验，设计出40个涵盖肺癌基本概念、肺癌筛查、肺癌诊断、肺癌治疗和肺癌病理5个模块的肺癌诊疗相关问题，提问国内外主流LLMs，包括DeepSeek-V3、DeepSeek-R1、豆包、Kimi和GPT-4o，并收集模型的输出结果。随后由两名经验丰富的胸外科医生依据5分类法对回答的准确性和情感支持度进行评分，对比不同模型间的表现差异。

GPT-4o、DeepSeek-V3和DeepSeek-R1表现相似，评分中位数[四分位距（IQR）]为5.00（4.50~5.00），显著优于Kimi[4.25（3.50~4.50）]和豆包[4.50（3.88~4.50）]。亚组分析显示，DeepSeek-R1在基本概念、诊断、治疗和病理多个模块表现出色。DeepSeek-V3整体表现优异，尤其擅长诊断模块。GPT-4o则更擅长筛查模块。情感支持度评估显示，LLMs整体表现显著低于准确性维度，得分中位数集中在3.00附近。其中DeepSeek-R1生成的回答最能让患者感到支持，评分中位数（IQR）为3.50（3.00~4.50）。GPT-4o[2.50（2.50~3.12）]、DeepSeek-V3[3.25（2.50~3.50）]和豆包[3.00（2.50~3.50）]表现相似，优于Kimi[2.50（2.50~3.00）]。亚组分析则显示LLMs在各个模块评分整体偏低，低分占比较高，情感支持不足较为明显。

LLMs在肺癌诊疗领域展现出初步的应用潜力，但在处理复杂临床场景和患者沟通等方面仍存在不足。未来，伴随LLMs不断发展完善，可以预见其在肺癌诊疗领域的广阔应用前景。