DeepSeek-V3.1和ChatGPT-5在结直肠癌肝转移多学科团队诊疗中的应用比较

张扬子; 许婷; 高兆亚; 司振铎; 徐蔚然

doi:10.11999/JEIT250849

DeepSeek-V3.1和ChatGPT-5在结直肠癌肝转移多学科团队诊疗中的应用比较

doi: 10.11999/JEIT250849 cstr: 32379.14.JEIT250849

1.
北京大学肿瘤医院暨北京市肿瘤防治研究所放射治疗科，恶性肿瘤发病机制及转化研究教育部重点实验室北京 100142
2.
北京大学肿瘤医院暨北京市肿瘤防治研究所消化肿瘤内科，恶性肿瘤发病机制及转化研究教育部重点实验室北京 100142
3.
北京大学首钢医院胃肠外科北京 100144
4.
北京大学首钢医院肝胆胰外科北京 100144
5.
首都医科大学附属北京天坛医院肿瘤内科北京 100070

基金项目: 教育部产学合作协同育人项目(2506193449)、北京航空航天大学虚拟现实技术与系统全国重点实验室开放课题(VRLAB2025C15)及首都医科大学附属北京天坛医院院内科研基金(管理专项，TYGL202402)

详细信息

作者简介:
张扬子：女，医学博士，副主任医师，研究方向为消化系统肿瘤的放射治疗与综合治疗

许婷：女，医学博士，主治医师，研究方向为消化系统肿瘤的精准药物治疗与综合治疗

高兆亚：男，医学博士，副主任医师，研究方向为胃肠肿瘤的外科治疗与综合治疗

司振铎：男，医学博士，主治医师，研究方向为肝胆胰肿瘤的外科治疗与综合治疗

徐蔚然：男，医学博士，副主任医师，研究方向为恶性肿瘤的精准药物治疗与智慧医疗

通讯作者:
徐蔚然　tengchongdajiujia@163.com

中图分类号: TP391.41
计量
- 文章访问数: 45
- HTML全文浏览量: 21
- PDF下载量: 5
- 被引次数: 0
出版历程
- 收稿日期: 2025-08-31
- 修回日期: 2025-10-29
- 录用日期: 2025-11-12
- 网络出版日期: 2025-11-18

Funds: the Ministry of Education Industry–University Cooperative Education Project (2506193449); the National Key Laboratory of Virtual Reality Technology and Systems at Beihang University (Open Project No. VRLAB2025C15); the Beijing Tiantan Hospital Institutional Research Fund (Management Project, TYGL202402)

摘要

摘要: 目的本研究旨在比较DeepSeek-V3.1与ChatGPT-5在结直肠癌肝转移(CRLM)多学科团队(MDT)决策中的应用表现，评估其与MDT专家意见的一致性，为大语言模型(LLMs)的临床实践提供循证依据与优化方向。方法研究团队基于真实世界数据与最新指南，设计了6例涵盖不同肿瘤负荷、基因突变谱和体能状态的虚拟CRLM病例，通过结构化的提示策略，在DeepSeek-V3.1与ChatGPT-5模型中分别生成MDT治疗建议。由4名MDT专家(消化肿瘤内科、胃肠外科、肝胆外科、放疗科各1名)采用7维度5级李克特量表对模型输出进行独立评审。并通过统计学分析对两款模型在各个病例、各项维度和各个学科的表现分别进行比较。结果两款大语言模型在所有病例中的综合得分均≥ 4.0分(满分5分)，表明其在复杂的MDT决策场景下具备可接受的临床效能。在跨维度分析中，两者在清晰度、个体化程度、抗幻觉能力和伦理安全四项上得分较高，而在准确性、全面性和前沿性方面仍有一定提升空间。DeepSeek-V3.1在整体表现(4.27 ± 0.77 vs 4.08 ± 0.86)、前沿性(3.90 ± 0.65 vs 3.42 ± 0.72)与伦理安全(4.87 ± 0.34 vs 4.58 ± 0.65)方面显著优于ChatGPT-5(P < 0.05)；在放疗领域亦明显领先(4.55 ± 0.67 vs 3.38 ± 0.91，P<0.001)。ChatGPT-5则在胃肠外科领域表现优于DeepSeek-V3.1(4.48 ± 0.67 vs 4.17 ± 0.85，P = 0.02)。结论 DeepSeek-V3.1与ChatGPT-5均表现出为CRLM-MDT决策提供可靠建议的良好能力。其中，DeepSeek-V3.1在前沿知识整合、伦理安全性及放射肿瘤学领域展现出显著优势，而ChatGPT-5则在胃肠外科方面表现更优，二者形成优势互补。本研究证实了大型语言模型作为“MDT协作者”的可行性，为缩小地域间诊疗水平差距、提升临床决策效率提供了一项便捷可靠的技术方案。然而，模型幻觉与证据等级不足仍是其当前面临的主要局限。未来，通过真实世界临床验证、证据体系追溯及人类反馈强化学习等机制，有望进一步推动LLMs成为CRLM-MDT决策中更为强大的辅助工具。
- 大语言模型 /
- DeepSeek-V3.1 /
- ChatGPT-5 /
- 结直肠癌肝转移 /
- 多学科团队

HTML全文

图 1 XXXXXXXXXXXX

下载: 全尺寸图片幻灯片

表 1 病例列表

	病例资料
1	60岁男性，ECOG 1分。1年来间断便血，肠镜示距肛缘4-7 cm溃疡隆起型占位，病理为中分化腺癌。盆腔核磁提示直肠下段占位，累及左侧肛提肌、前列腺，直肠系膜内、直肠上动脉区淋巴结转移，数量≥ 7枚，MRF(+)，EMVI 3分。腹部核磁提示肝脏S7、S8可见两枚转移灶，最大2×1.5 cm。胸CT未见转移。基因检测提示KRAS、NRAS、BRAF均为野生型，MSS，Her2无扩增。CEA 12 ng/ml。血常规提示血红蛋白 90 g/L，肝肾功能未见异常。既往有高血压病史。
2	56岁男性，ECOG 2分，1年来排便困难，2天来腹胀伴停止排气排便，肠镜示距肛缘10 cm肿物，环3/4周，肠腔狭窄，取病理活检为低分化腺癌伴印戒细胞癌。基因检测提示KRAS G12c突变，NRAS、BRAF野生型，MSS，Her2无扩增。腹盆CT：直肠上段至乙状结肠可见占位性病变，长约10 cm，病变以上小肠及结肠扩张伴气液平形成；病变旁、肠系膜下动脉根部可见多发肿大淋巴结，数量≥ 7枚；肝脏可见多发转移灶，数量＞ 10个，较大6×5 cm，侵犯门脉左干。CEA 205 ng/ml。血常规、肝肾功能未见明显异常。
3	43岁男性，ECOG 1分，腹痛2个月，肠镜示升结肠占位，约3 ×4 cm，病理为粘液腺癌。基因检测提示MSI-H，KRAS、NRAS、BRAF均为野生型，Her2无扩增。腹盆CT提示升结肠占位，肠周可见肿大淋巴结，数量约4枚，较大短径1 cm；肝S6可见一枚转移瘤，1.5×1.2 cm。胸CT未见转移。CEA 20 ng/ml。血常规、肝肾功能未见异常。父亲50岁因患直肠癌去世。
4	65岁男性，ECOG 2分，3月来大便不畅，肠镜示距肛缘4-10 cm溃疡隆起型占位，病理为中分化腺癌。盆腔核磁：直肠中下段占位，肿瘤累及直肠周围脂肪，直肠系膜区、直肠上动脉走形区、左侧髂内区可见多发枚肿大淋巴结，数量约7枚，MRF(+)，EMVI 4分。腹盆CT：左侧髂总血管旁可见转移淋巴结，肝内多发低强化占位。肝脏核磁：肝左叶、右叶见多发转移灶，数量约4枚，较大病灶2.3×1.8 cm。基因检测提示BRAF V600E突变，KRAS G12D突变，NRAS野生型，MSS，Her2无扩增。血常规、肝肾功能无异常。
5	56岁女性，ECOG 3分，2个月来肛门坠胀伴便血，2周来皮肤巩膜黄染。血常规无异常，谷丙转氨酶 107 IU/L, 谷草转氨酶120 IU/L，总胆红素 115 umol/L, 直接胆红素 86 umol/L, CEA 106 ng/ml。肠镜示距肛门3-6 cm占位，病理为低分化腺癌，Her2(3+)。盆腔核磁示直肠下段占位，病变累及肛门内、外括约肌，直肠周围系膜内可见肿大淋巴结，数量约4枚，MRF(+)，EMVI 1分。腹部CT：肝内弥漫多发转移灶，数量＞ 10枚，较大5×4.5 cm，肝内胆管扩张。胸CT提示双肺转移。基因检测提示Her2扩增，NRAS、BRAF野生型，MSS。
6	35岁男性，ECOG 1分，大便习惯改变8个月，肠镜示距肛缘8-12 cm溃疡型肿物，病理为中分化腺癌。盆腔核磁提示直肠中上段占位，直肠周围系膜内可见条索影，直肠系膜区、直肠上动脉走形区可见肿大淋巴结，数量3枚，MRF(-)，EMVI(-)。腹部核磁提示肝S8段可见一枚转移灶，1.7×1.4 cm。胸CT未见转移征象。CEA 6 ng/ml。基因检测提示KRAS、NRAS、BRAF均为野生型，MSS，Her2无扩增。血常规、肝肾功能正常。

下载: 导出CSV

表 2 李克特量表的7个维度问题和评分标准

No.	维度	问题	评分标准
1	准确性	模型提出的治疗决策是否符合当前的临床指南或最佳实践？	1 = 完全不符合，5 = 完全符合
2	全面性	模型的最终建议是否合理整合了肿瘤内科、胃肠外科、肝胆外科、放疗科的意见，且看起来符合您所在领域的最佳实践？	1 = 完全不符合，5 = 完全符合
3	前沿性	模型的决策是否充分结合了您所在领域的最新的临床研究成果，体现了循证医学的理念？	1 = 完全未体现，5 = 完全体现
4	清晰度	模型关于您专业的治疗建议在整体上是否清晰易懂，并且能够通过有效的解释向患者或其他临床医生进行传达？	1 = 非常不清晰，5 = 非常清晰
5	个体化程度	模型关于您专业的治疗决策是否考虑了患者的具体情况 (如年龄、分子特征、体能状态、合并症、患者意愿等)？	1 = 完全未考虑，5 = 完全考虑
6	抗幻觉能力	在模型提出的关于您专业的治疗方案中，是否存在可能导致患者或医生产生幻觉的建议？例如，是否提出了不切实际或不符合当前医学认知的治疗方案？	1 = 存在严重幻觉风险， 5 = 完全不存在幻觉风险
7	伦理安全	模型提供的关于您专业的治疗建议是否会违反伦理标准，有可能提供对患者有害的信息或建议？	1 = 存在严重伦理风险， 5 = 完全符合伦理标准

下载: 导出CSV

表 3 两个大语言模型在6个病例中的评分比较

病例	DeepSeek-V3.1(N = 28)	ChatGPT-5(N = 28)	P值
1	4.46 ± 0.64	4.00 ± 0.94	0.04*
2	3.36 ± 0.87	4.43 ± 0.50	< 0.01*
3	4.25 ± 0.80	3.79 ± 1.10	0.12
4	4.39 ± 0.69	3.75 ± 0.93	< 0.01*
5	4.36 ± 0.49	4.36 ± 0.68	1.00
6	4.50 ± 0.79	4.18 ± 0.72	0.01*
6个病例的平均值	4.27 ± 0.77	4.08 ± 0.86	0.03*
* P < 0.05

下载: 导出CSV

表 4 两个大语言模型在7个维度中的评分比较

维度	DeepSeek-V3.1 (N = 24)	ChatGPT-5 (N = 24)	P值
准确性	3.92 ± 0.83	3.83 ± 0.87	0.78
全面性	3.75 ± 0.74	3.88 ± 0.85	0.62
前沿性	3.90 ± 0.65	3.24 ± 0.72	0.03*
清晰度	4.50 ± 0.66	4.21 ± 0.72	0.13
个体化程度	4.12 ± 0.80	4.12 ± 0.74	1.00
抗幻觉能力	4.79 ± 0.41	4.54 ± 0.93	0.27
伦理安全	4.87 ± 0.34	4.58 ± 0.65	0.03*
* P < 0.05

下载: 导出CSV

表 5 两个大语言模型在4个不同学科中的评分比较

学科	DeepSeek-V3.1 (N = 42)	ChatGPT-5 (N = 42)	P值
消化肿瘤内科	4.24 ± 0.79	4.21 ± 0.81	0.89
胃肠外科	4.17 ± 0.85	4.48 ± 0.67	0.02*
肝胆外科	4.12 ± 0.71	4.26 ± 0.63	0.14
放疗科	4.55 ± 0.67	3.38 ± 0.91	< 0.01*
* P < 0.05

下载: 导出CSV

参考文献(21)

[1]	SUNG H, FERLAY J, SIEGEL R L, et al. Global cancer statistics 2020: GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries[J]. CA: A Cancer Journal for Clinicians, 2021, 71(3): 209–249. doi: 10.3322/caac.21660.
[2]	MARTIN J, PETRILLO A, SMYTH E C, et al. Colorectal liver metastases: Current management and future perspectives[J]. World Journal of Clinical Oncology, 2020, 11(10): 761–808. doi: 10.5306/wjco.v11.i10.761.
[3]	REBOUX N, JOOSTE V, GOUNGOUNGA J, et al. Incidence and survival in synchronous and metachronous liver metastases from colorectal cancer[J]. JAMA Network Open, 2022, 5(10): e2236666. doi: 10.1001/jamanetworkopen.2022.36666.
[4]	VALDERRAMA-TREVIÑO A I, BARRERA-MERA B, CEBALLOS-VILLALVA J C, et al. Hepatic metastasis from colorectal cancer[J]. Euroasian Journal of Hepato-Gastroenterology, 2017, 7(2): 166–175. doi: 10.5005/jp-journals-10018-1241.
[5]	ZEINEDDINE F A, ZEINEDDINE M A, YOUSEF A, et al. Survival improvement for patients with metastatic colorectal cancer over twenty years[J]. npj Precision Oncology, 2023, 7(1): 16. doi: 10.1038/s41698-023-00353-4.
[6]	LAN Y T, JIANG J K, CHANG S C, et al. Improved outcomes of colorectal cancer patients with liver metastases in the era of the multidisciplinary teams[J]. International Journal of Colorectal Disease, 2016, 31(2): 403–411. doi: 10.1007/s00384-015-2459-4.
[7]	TOPOL E J. High-performance medicine: The convergence of human and artificial intelligence[J]. Nature Medicine, 2019, 25(1): 44–56. doi: 10.1038/s41591-018-0300-7.
[8]	THIRUNAVUKARASU A J, TING D S J, ELANGOVAN K, et al. Large language models in medicine[J]. Nature Medicine, 2023, 29(8): 1930–1940. doi: 10.1038/s41591-023-02448-8.
[9]	SINGHAL K, AZIZI S, TU Tao, et al. Large language models encode clinical knowledge[J]. Nature, 2023, 620(7972): 172–180. doi: 10.1038/s41586-023-06291-2.
[10]	MESKÓ B and GÖRÖG M. A short guide for medical professionals in the era of artificial intelligence[J]. npj Digital Medicine, 2020, 3: 126. doi: 10.1038/s41746-020-00333-z.
[11]	PARK Y E and CHAE H. The fidelity of artificial intelligence to multidisciplinary tumor board recommendations for patients with gastric cancer: A retrospective study[J]. Journal of Gastrointestinal Cancer, 2024, 55(1): 365–372. doi: 10.1007/s12029-023-00967-8.
[12]	HORESH N, EMILE S H, GUPTA S, et al. Comparing the management recommendations of large language model and colorectal cancer multidisciplinary team: A pilot study[J]. Diseases of the Colon & Rectum, 2025, 68(1): 41–47. doi: 10.1097/DCR.0000000000003504.
[13]	CHOO J M, RYU H S, KIM J S, et al. Conversational artificial intelligence (chatGPT™) in the management of complex colorectal cancer patients: Early experience[J]. ANZ Journal of Surgery, 2024, 94(3): 356–361. doi: 10.1111/ans.18749.
[14]	UMIHANIC S, OSMANOVIC H, SELAK N, et al. Evaluating the concordance between ChatGPT and multidisciplinary teams in breast cancer treatment planning: A study from Bosnia and Herzegovina[J]. Journal of Clinical Medicine, 2025, 14(18): 6460. doi: 10.3390/jcm14186460.
[15]	AMMO T, GUILLAUME V G J, HOFMANN U K, et al. Evaluating ChatGPT-4o as a decision support tool in multidisciplinary sarcoma tumor boards: Heterogeneous performance across various specialties[J]. Frontiers in Oncology, 2025, 14: 1526288. doi: 10.3389/fonc.2024.1526288.
[16]	LEE J T, LI V C S, WU J J, et al. Evaluation of performance of generative large language models for stroke care[J]. npj Digital Medicine, 2025, 8(1): 481. doi: 10.1038/s41746-025-01830-9.
[17]	ELEZ E, YOSHINO T, SHEN Lin, et al. Encorafenib, cetuximab, and mFOLFOX6 in BRAF-mutated colorectal cancer[J]. New England Journal of Medicine, 2025, 392(24): 2425–2437. doi: 10.1056/NEJMoa2501912.
[18]	OMAR M, SORIN V, COLLINS J D, et al. Multi-model assurance analysis showing large language models are highly vulnerable to adversarial hallucination attacks during clinical decision support[J]. Communications Medicine, 2025, 5(1): 330. doi: 10.1038/s43856-025-01021-3.
[19]	AHN S. A guide to evade hallucinations and maintain reliability when using large language models for medical research: A narrative review[J]. Annals of Pediatric Endocrinology & Metabolism, 2025, 30(3): 115–118. doi: 10.6065/apem.2448278.139.
[20]	LIU Jiaxi. ChatGPT: Perspectives from human-computer interaction and psychology[J]. Frontiers in Artificial Intelligence, 2024, 7: 1418869. doi: 10.3389/frai.2024.1418869.
[21]	RAJARAM A, LI H, HOLODINSKY J K, et al. Opening the black box: Challenges and opportunities regarding interpretability of artificial intelligence in emergency medicine[J]. Canadian Journal of Emergency Medicine, 2025, 27(2): 83–86. doi: 10.1007/s43678-024-00827-9.