复杂肺癌的治疗决策常涉及多条可辩护的路径，这些路径的适用性、顺序和安全性受未决信息影响。MedGPT Clinical Explorer（MCE）将备选方案、关键未知、安全约束和后备方案组织为条件策略，供临床医生审阅。研究选取100例病例，其中40例设定参考标准，邀请98家机构的250名医生在无辅助、检索参考和MCE辅助三种条件下共生成2250条策略。结果显示，MCE辅助策略在可接受路径达成分数（APAS，0‑100）上显著高于无辅助（差值12.87，95% CI 11.18‑14.55）和检索参考（差值5.22，3.52‑6.93）。在相同知识库下，MCE额外提供了候选路径、决策关键信息和安全约束。整体策略可接受性与APAS呈正相关（Spearman rho=0.671），补充审计检查了候选、条件与后续动作的连贯性。研究表明，开放式决策支持的两个互补维度是临床相关内容的覆盖度和路径‑条件‑动作之间的连贯链接。MCE作为共享决策对象，使潜在遗漏和路径 contingencies 在执行前可视化，后续需通过前瞻性研究评估其对工作流和患者结局的影响。
点评