角色提示只改语言不改决策：GPT-5模拟肿瘤多学科会诊总体一致性78%-87%

核心要点

• 问题：肿瘤多学科会诊（MDT）是胃肠肿瘤诊疗决策的金标准，但高度依赖专家资源；大模型能否通过角色扮演模拟多专科讨论，此前缺少系统检验。
• 方法：德国图宾根大学医院用 GPT-5 在 100 例经 MDT 验证的胃肠肿瘤病例上，对比五种零样本提示框架与一个多数投票集成。
• 结果：各框架与 MDT 决策的一致性为 78%–87%，框架之间无显著差异（Cochran’s Q=8.46，p=0.133）；专科语言特征出现率高达 97%–100%，却与准确性不相关。
• 意义：角色提示能改变语言风格，却不能改变临床决策结构，支持其作为决策辅助而非自主专科医生模拟器。
• 原文：Role prompting modulates linguistic style but not clinical decision structure in GPT-5 tumour board simulation，npj Digital Medicine，2026-08-13（PMID 42595794）

1. 胃肠肿瘤多学科会诊的临床挑战

胃肠肿瘤（gastrointestinal oncology，覆盖食管癌、胃癌、胰腺癌、结直肠癌、肝胆肿瘤等）的治疗决策高度依赖多学科会诊（Multidisciplinary Team，MDT）。一项荟萃分析显示，经 MDT 讨论的结直肠癌患者总体生存得到改善；但 MDT 需要外科、肿瘤内科、放疗科等多位专家同时在场，既耗时又受地域和资源限制。

大语言模型（LLM）被寄望于缓解这一压力。已有研究报道，LLM 建议与真实 MDT 决策的一致性在 50%–87% 之间，其中 GPT-4 级别模型在胃肠肿瘤场景的一致性约为 77%–85%。但一个关键问题始终未被系统回答：当提示词要求模型扮演外科医生、肿瘤内科医生或放疗科医生时，模型究竟是真的产生了专科化推理，还是仅仅在"说该专科的话"、而底层决策结构保持不变？

这正是德国图宾根大学医院团队这项研究试图回答的问题。研究由 Capobianco 团队完成，成果发表于 npj Digital Medicine，直接检验了"角色提示是否带来真正的专科差异"这一大模型评估的盲区。

2. 角色提示的核心创新

这项研究有三点实质贡献。

第一，把"角色扮演是否名副其实"变成了可量化的问题。过去评估 LLM 参与肿瘤会诊，多停留在"与 MDT 决策一致率"这一单一指标。本研究把"语言风格"与"决策结构"拆开分别测量：一方面统计专科特征性语言的覆盖率，另一方面用语义嵌入分析（embedding analysis）量化不同角色输出之间的实际差异度，从而把"是否真的在扮演专科医生"落到可检验的层面。

第二，用 100 例真实、经 MDT 验证的病例做了多框架对照。研究以 GPT-5 为单一底座，构建了五种零样本提示框架——模拟 MDT、多专家审议、外科医生角色、肿瘤内科医生角色、放疗科医生角色——再加上一个由三个专科角色投票合成的多数投票集成，在同一批病例上横向比较。这种"同模型、同病例、不同提示"的设计，把变量控制到只剩提示策略本身。

第三，得到一个克制而重要的结论。结果显示，GPT-5 能高度可靠地切换专科语言风格，却几乎不改变背后的决策结构，据此作者明确把 GPT-5 定位为"决策支持辅助工具"，而非"自主专科医生模拟器"。这与我们此前解读的血液肿瘤会诊智能体 HemaGuide研究思路一致，二者都强调大模型在会诊场景中应服务于人而非替代人。

3. 技术原理：五种提示框架如何让 GPT-5 扮演多学科团队

研究的基本流程是：把每份胃肠肿瘤病例的临床信息输入 GPT-5，用不同提示词要求模型给出治疗建议，再与真实 MDT 的最终决策做比对。

五种框架各有侧重。框架一"模拟 MDT"要求模型一次性模拟整个多学科团队的讨论；框架二"多专家审议"让模型依次以三个专科角色分别发言、再汇总；框架三到五则分别让模型单独扮演外科医生、肿瘤内科医生和放疗科医生，给出各自的治疗建议；最后用一个多数投票集成，把三个专科角色的建议按多数原则合并成一条最终推荐。整个设计模拟了真实会诊中"个体观点—集体决策"的递进关系，也便于看清不同协作方式是否真的带来不同结果。

值得强调的是，这里评估的是 GPT-5 作为基础模型的能力，而非某个已经包装好的商业肿瘤会诊产品。真实落地还需要提示工程之外的编排层、检索增强、安全护栏与医院信息系统集成。

4. 数据说话：一致性 78%–87%，框架间无显著差异

论文报告的核心统计结果如下表。

两项发现尤为关键。其一，多数投票集成虽略高于模拟 MDT（87% 对 83%），但差异未达统计显著，且事后功效仅 0.24，仅 10 例病例出现分歧，因此不能据此宣称"投票优于单框架"。其二，专科语言特征的覆盖率高达 97%–100%，却与决策准确性不相关——模型"说得很像专科医生"，但三套角色输出的语义高度重叠，说明底层推理并未真正分化。

此外，一致性还随癌种不同而波动：食管癌在各框架下一致性为 95%–100%，而结直肠癌波动最大（65%–80%）；初诊病例的一致性（76%–86%）低于随访病例（80%–98%）。这说明模型能力并非均一，临床应用需按癌种和场景分别评估。

5. 从实验室到临床：应用前景与局限

这项研究对产业有直接的落地启发。其一，角色提示可以作为低成本的"多视角审查"手段，在正式会诊前为临床医生提供多专科视角的参考意见，辅助查漏补缺；其二，多数投票等集成方式在真实部署中可能是提升稳健性的简单有效手段，值得在真实工作流中进一步验证；其三，结果提示医疗 AI 评估应把"语言风格"与"决策实质"分开度量，避免被流畅的专科话术所误导。这与我们在多智能体大模型辅助卒中治疗决策一文中的观察一致：人机协作的价值取决于它是否真的改变了决策质量，而非界面有多像专家。

但研究至少有两条重要局限需要正视。第一，这是回顾性的基准模拟，病例来自单一机构（图宾根大学医院）的胃肠肿瘤队列，样本仅 100 例，且一致性以真实 MDT 决策为金标准，无法说明在缺乏高质量 MDT 记录的环境下表现如何，也不能直接外推到患者生存等临床结局。第二，研究只用了 GPT-5 单一底座模型，未与 GPT-4 级别模型或其他厂商模型做跨模型对照，结论能否泛化到其他模型仍未知。作者也明确指出，事后统计功效不足，某些"差异"需谨慎解读。该研究无利益冲突，由德国图宾根团队独立完成。

6. 结论与产业启示

这项研究给"AI 扮演专科医生"的热潮泼了一盆清醒的冷水：GPT-5 能流利地切换专科语言，却几乎不改变决策结构，各提示框架与 MDT 的一致性（78%–87%）并无实质差异。对大模型在肿瘤会诊中的定位，应回到"决策辅助"这一朴素判断上。

对医疗 AI 企业和研究团队有三点建议：一是把评估重心从"语言像不像专家"转向"决策是否真的改善"，建立语言风格与决策实质分离的度量体系；二是在多智能体或角色提示方案落地前，用真实 MDT 金标准做对照验证，并按癌种分层报告，避免以整体一致性掩盖局部分化；三是谨慎对待多数投票等集成带来的微小提升，样本不足时切勿过度解读。

这也正是思陌智能科研服务在医疗大模型与多智能体临床工作流方向上的关注重点：从真实临床金标准出发，为模型的临床决策支持能力建立可复现的评估验证流程，帮助团队在合规前提下推进 AI 与临床工作流的深度结合。

相关问题

Q：GPT-5 扮演专科医生，真的会像专科医生那样决策吗？

A：不会。研究用语义嵌入量化后发现，外科、肿瘤内科、放疗科三个角色的输出高度相似（余弦相似度 0.805–0.836），专科语言特征虽覆盖 97%–100%，却与准确性不相关。这意味着模型主要是在切换语言风格，而非产生真正的专科化决策差异。

Q：这项研究能说明 AI 可以替代肿瘤多学科会诊吗？

A：不能。各框架与 MDT 决策的一致性为 78%–87% 且无显著差异，仍有相当比例与 MDT 不一致；研究为单一机构、100 例回顾性模拟，未评估对患者生存等结局的影响。作者明确将其定位为决策辅助，而非自主专科医生模拟器，临床仍需医生最终裁决。

Q：对医院引入大模型辅助会诊有什么启发？

A：可作为会诊前的多视角参考或查漏补缺工具，帮助医生整理诊疗思路并提前发现遗漏。但须按癌种分别评估，研究显示食管癌一致性达 95%–100%，结直肠癌仅 65%–80%，差异明显。部署时应与真实 MDT 决策做持续对照，并保留医生最终裁决权。

参考文献

1. Stifini D, Della Penna A, Mihaljevic AL, Bitzer M, Eickhoff C, Capobianco I. Role prompting modulates linguistic style but not clinical decision structure in GPT-5 tumour board simulation. npj Digital Medicine. 2026. DOI: 10.1038/s41746-026-03069-4（PMID 42595794）
2. Sorin V, et al. Large language model (ChatGPT) as a support tool for breast tumor board. npj Breast Cancer. 2023. DOI: 10.1038/s41523-023-00557-8

本文基于 Role prompting modulates linguistic style but not clinical decision structure in GPT-5 tumour board simulation 的独立解读，仅供学术交流，不构成临床建议。