Large language models in healthcare: applications, evaluation frameworks, and governance pathways — a scoping review and multidimensional framework

背景 大语言模型（Large Language Models, LLMs）在医疗健康领域的应用评估日益增多，涵盖临床文档、决策支持、患者沟通、研究辅助和运营工作流程。尽管应用兴趣迅速增长，但证据仍呈现异质性，评估与治理的标准化方法尚未得到一致应用。目的 梳理大语言模型在医疗健康领域的应用，综合已报告的结局与风险，并提出面向数字健康实施的多维评估与治理框架。方法 按照Arksey和O'Malley、Levac等人以及乔安娜布里格斯研究所的方法学指导开展范围综述，报告遵循PRISMA-ScR清单。研究方案已在开放科学框架（Open Science Framework）前瞻性注册（https://doi.org/10.17605/OSF.IO/SWP78）。检索在PubMed/MEDLINE、Embase、Scopus、Web of Science、IEEE Xplore、ACM Digital Library和ACL Anthology中进行，并补充检索medRxiv/bioRxiv预印本以及世界卫生组织（WHO）、美国食品药品监督管理局（FDA）和欧盟人工智能办公室（EU AI-Office）指南的灰色文献，覆盖2019年1月1日至2026年4月30日。标题/摘要和全文筛选由两人独立完成；评分者间一致性为Cohen's κ = 0.78。数据采用经预试验的表格由两人独立提取。综合采用Braun和Clarke的六阶段反思性主题分析法。78项纳入研究的完整列表见补充文件S4。结果 78项研究符合纳入标准；68%发表于2023年至2025年间。识别出五个应用领域：（1）临床文档与摘要生成；（2）临床决策支持与推理辅助；（3）患者沟通与健康素养支持；（4）生物医学研究与知识综合；（5）行政与运营用例。证据基础以基准测试和模拟工作流程研究为主（89%），前瞻性嵌入工作流程的评估有限（11%）。已报告的获益集中在文档效率、文本质量和知识综合方面；与安全相关的风险包括幻觉内容、临床关键信息遗漏、人口统计学偏倚、隐私漏洞、可解释性有限和自动化偏倚。研究在地理上集中于北美和东亚，撒哈拉以南非洲、南亚和拉丁美洲的代表性有限。结论 Cu