大型语言模型可能有助于填补癌症营养护理的空白：Julia Logan, BS

在这个视频片段中，Julia Logan, BS，一位西德尼·金梅尔医学院的医学博士候选人，讨论了她研究的灵感、方法和主要发现。她的研究题为“填补癌症护理的空白：利用大型语言模型提供可访问的饮食建议”，该研究于2025年美国癌症研究协会年会上进行了展示。

在深入探讨您的研究之前，您能否描述一下体重管理在癌症护理中的作用？

体重管理是整个癌症护理过程中的一个关键部分。例如，在预防阶段，保持健康的体重实际上可以降低患癌症的风险。在治疗期间，获得充足的营养对于管理副作用、维持体力和能量以及支持身体的愈合能力至关重要。

在治疗后，许多研究表明，健康的体重管理可以降低复发风险，并改善整体长期健康结果。因此，它绝对是全面癌症护理的一个重要组成部分。

尽管其重要性，您在研究中指出，肿瘤营养咨询通常不被医疗保险覆盖。这给患者带来了哪些差异？

这种缺乏常规保险覆盖的情况确实为患者带来了很大的差异。那些财务资源有限或保险覆盖不佳的患者无法获得这些专门从事肿瘤学的注册营养师的专业指导。

这可能导致这些患者获得次优的营养摄入，从而可能导致更差的临床结果。本质上，这种缺乏访问权会创建一个两层系统，即那些能够负担得起的人可以获得这种服务，而那些负担不起的人则无法获得。

鉴于这些挑战，您的研究探索了什么替代方法来提供个性化的饮食建议，以及您使用了什么方法来评估它？

为了应对这些挑战，我们的研究探索了使用大型语言模型的方法。具体来说，我们研究了ChatGPT和Gemini（谷歌的产品），看看它们是否能够为癌症患者生成个性化的饮食建议。

我们所做的就是评估由ChatGPT和Gemini生成的餐食计划和购物清单，并与经过认证的肿瘤营养师生成的计划进行比较。我们的方法包括向这些大型语言模型提供与营养师相同的提示。我们在一些提示中变化了一些参数，比如不同的年龄、不同的癌症阶段、不同的超市、不同的地点、不同的预算等。

然后，我们根据几个标准评估了由营养师和大型语言模型生成的餐食计划。这些标准包括营养充足性，我们能够量化生成的餐食计划中的卡路里和宏量营养素含量，以及对某些饮食指南的遵守情况。我们还考虑了实用性和其他定性观察。

您能总结一下您的主要发现吗？有哪些让您感到惊讶的发现？

我们的主要发现是，像ChatGPT和Gemini这样的大型语言模型确实能够生成个性化的餐食计划，在许多情况下，这些计划在营养上与经过认证的营养师生成的计划相当甚至更好。这对那些可能缺乏专门护理的患者来说是一个有希望的消息。

最让我们惊讶的是，这些模型能够很好地融入我们变化的一些参数——例如，文化特定的餐食。假设一个营养师没有很多拉丁烹饪的经验，但把这些信息输入大型语言模型，它们能够访问所有信息，因此能够生成看起来非常不错的餐食计划。

此外，当我们给出一个特定的预算时，营养师可能需要查找很多物品的价格，这可能会非常耗时，而这些大型语言模型可以实时看到价格。

(全文结束)