中山大学中山眼科中心林浩添教授团队近期探索构建了一种以大语言模型（LLMs）为核心辅助工具的医学AI研究新范式，并通过随机对照试验验证了其有效性。相关成果已发表于国际权威期刊《Cell Reports Medicine》。 随着人工智能与医学研究的深度融合，临床医生在参与医学AI创新时普遍面临技术门槛高、跨学科知识匮乏等挑战。为破解这一难题，研究团队设计并实施了严格的随机对照试验，系统评估LLMs在辅助无AI背景医生开展医学研究中的实际效果。结果显示，LLMs能显著提升医生独立开展医学AI研究的能力，有效增强研究方案的可行性，同时大幅缩短项目完成时间。 研究还发现，医生在使用LLMs过程中出现了积极的“技能迁移”现象，即在与模型互动中逐步掌握AI研究的基本逻辑与方法。但同时，团队也识别出潜在的“依赖风险”——部分医生过度依赖模型生成内容，可能影响研究的原创性与科学严谨性。 针对上述问题，研究团队进一步总结提炼出“CPGI”提示词构建指南，即“Context（背景）-Purpose（目标）-Guidance（指导）-Iteration（迭代）”的四步结构化框架。该指南为临床医生安全、高效、规范地使用大语言模型提供了可操作、可复现的实践路径，有助于推动AI技术在医学研究中的负责任应用。