通过“Ask Eolas”（语言模型）提升抗菌药物处方质量：一项用户测试与模拟评估

为什么智能处方与每个人息息相关

抗生素挽救了无数生命，但滥用和误用正在促使危险细菌演化为耐药的“超级细菌”。这一无声的危机威胁到常规手术、癌症治疗，甚至是简单感染的管理。本文研究测试了一种名为 Ask Eolas 的新型人工智能助手，旨在引导医生做出更安全、更准确的抗生素选择。通过检验该工具在逼真病例中的错误减少情况，研究者提出了一个关系到我们所有人的问题：可信赖的人工智能能否帮助保护抗生素的未来效用？

用于日常治疗决策的数字助手

Ask Eolas 嵌入在英格兰大多数医院已在使用的医疗应用中，用于访问本地治疗指南。与其让临床人员翻阅冗长文件或复杂流程图，新功能允许他们用自然语言输入问题，例如针对特定感染的合适药物和剂量。在后台，Ask Eolas 仅检索医院自身的抗生素规则，然后撰写简短、量身定制的答复，并附上回溯到原始指南的链接，便于用户自行核对来源。这样，它更像是一个高效的助理，知道资料的存放位置，而不是一个黑箱机器人。

在逼真的医院场景中测试该工具

为了解 Ask Eolas 是否真正改善处方，研究者开展了一项受控模拟研究，纳入了45名临床人员，包括主治医师、住院医生、药师和处方护士。参与者被随机分配到三种选项之一：医院内网上的传统 PDF 指南、已有的 Eolas 指南应用，或新的 Ask Eolas 人工智能功能。每位参与者完成45个抗生素处方案例，范围从简单感染到涉及耐药模式和多种健康问题的复杂情形。对每个案例，团队检查最终处方是否在用药种类、给药途径、剂量、疗程长度以及对本地耐药数据的重视程度上完全遵循医院规则。

错误更少、回答更清晰、心态更平和

不同工具之间的差异非常显著。使用 Ask Eolas 的临床人员在所有测试案例中均未出现处方错误，而使用应用或 PDF 指南的人员分别仅在60%和47%的情况下获得无错处方。换句话说，每两名从 PDF 切换到 Ask Eolas 的临床人员中，就有一位患者会得到完全正确的处方。传统工具的大多数错误并非严重判断失误，而是剂量或疗程长度等细微问题——恰恰是疲惫的医护人员在浏览密集文件时容易忽略的细节。参与者报告称，Ask Eolas 提供的简短、重点突出的摘要以及链接到原始指南章节的做法，使他们更容易信任并执行建议。

设计人们真正愿意使用的人工智能

除了准确性，研究还考察了与该工具协作的使用感受。通过已验证的问卷，临床人员表示 Ask Eolas 是最易使用的系统，是他们最愿意经常使用的，也是让他们对决策最有信心的系统。心理负担测量显示，与翻阅 PDF 或操作静态应用相比，该人工智能工具减少了时间压力、努力程度和挫败感。访谈显示，用户重视透明性——能够确切看到答案来源于哪些指南段落——并欣赏系统能根据个体患者信息进行调整。也出现了一些不足，例如短暂加载延迟以及对回复长度的不同偏好，但与收益相比这些被视为次要问题。

从有前景的试验走向现实世界实践

作者提醒，本次评估是在安全的模拟环境中进行的，而非繁忙的病房现场，且参与者数量相对较少，仅来自单一场所。现实世界的压力、不同医院环境和实时实验室数据都可能改变工具的表现。为指导安全部署，研究团队提出了一个 TRUST‑AI 路线图，强调透明性、实时数据链接、以用户为本的设计、严格的安全保障、明确的责任与审计追踪，以及与电子病历的顺利集成。尽管存在这些限制，研究仍提供了早期但令人鼓舞的证据：经过精心设计的人工智能可以帮助临床人员更可靠地遵循最佳实践的抗生素指南，从而既支持个体患者，也有助于全球对抗耐药感染的努力。

引用: Waldock, W.J., Gilchrist, M., Ashrafian, H. et al. Enhancing quality of antimicrobial prescribing through ‘Ask Eolas’ (language model): a user-testing and simulation evaluation. npj Antimicrob Resist 4, 16 (2026). https://doi.org/10.1038/s44259-026-00187-7

关键词: 抗菌素耐药性, 抗生素处方, 临床决策支持, 医疗中的人工智能, 大型语言模型