面向患者就诊准备的 AI 随机对照研究
A prospective randomized study of patient-centered AI for clinical visit preparation
研究团队基于 LLM 设计就诊准备智能体，在 Google Health app 中开展前瞻性随机研究，802 名美国成年人共进行 866 次健康对话。临床评审显示该智能体完整准备率达 67.2%，高于对照组的 50.6%，与患者健康背景的契合度为 98.9% 对 90.4%；患者自评的就诊准备度、提问信心和整体满意度也分别高出 16.8%、14.3% 和 12.0%。
作者：Xincheng Tan、Matthew Thompson、Xiang Ji、Angelica Willis、Will Vaughan、Roma Ruparel、Michael A. Sanchez、Sean Chang、Joseph Xu、Bhavna Daryani、Preeti Singh、Pinal Bavishi、Kejia Chen、Fan Zhang、Priya Gupta、Ernest Lim、Christina Chen、Bob Lou、Dimitrios Antos、Zach Wasson、Ray Luo、Fadi Yousif、Florence Thng、Mark Malhotra、Joseph Breda、Daniel McDuff、Kavi Goel、Katherine Chou、Dale R. Webster、Avinatan Hassidim、Yossi Matias、Po-Hsuan Cameron Chen、Yun Liu、Mike Schaekermann、Quang Duong、Jackie M. Barr
摘要：患者常常在短暂、时间受限的临床就诊中到来，却不确定该期待什么或该问什么，如今数百万成年人会事先求助于通用型 AI 聊天机器人来做准备。然而，对话式 AI 是否能改善就诊准备度仍不清楚。我们设计了一个基于大语言模型（LLM）的就诊准备智能体，在预约前引导患者：收集临床背景信息、设定就诊预期、提供相关健康信息、构建一份按优先级排序的向临床医生提问的问题清单，并生成摘要。在一项于 Google Health 应用中开展的前瞻性、经知情同意的随机研究中，802 名美国成年人与该就诊准备智能体（标准版或简洁版）或一个基于同一 LLM 构建、仅做最低限度提示的对照聊天机器人进行了 866 次健康相关对话。在盲法临床医生评估和患者自我报告两方面，就诊准备智能体均显著优于对照组。在临床医生对已完成会话的评审中（n = 272），该智能体实现全面准备的比例高出 16.6%（67.2% 对 50.6%；P < 0.05），与患者健康背景相符的比例高出 8.5%（98.9% 对 90.4%；P < 0.01），同时在所有研究组中均保持了较高的医疗安全性和适当性。患者事后调查（n = 460）显示，就诊准备度高出 16.8%（73.8% 对 57.0%；P < 0.01），对知道该问什么的信心高出 14.3%（81.4% 对 67.1%；P < 0.01），总体满意度高出 12.0%（74.0% 对 62.0%；P < 0.05）。临床医生与参与者指标之间无显著相关性，表明专家评审与患者自我评估捕捉的是面向患者的 AI 的互补维度。这些发现表明，LLM 聊天机器人可以安全地帮助患者为临床就诊做准备，遵循结构化工作流程时获益更大，并为进一步研究就诊中的沟通和临床结局提供了动力。
| 评论： | 50 页（正文 16 页，附录 34 页），6 幅图 |
| 主题： | 人机交互（cs.HC）；计算与语言（cs.CL）；机器学习（cs.LG） |
| 引用为： | arXiv:2610.41437 [cs.HC] |
| （或 arXiv:2610.41437v1 [cs.HC] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.41437 由 DataCite 发放的 arXiv DOI（待注册） |
提交历史
发件人：Xincheng (Cara) Tan [查看邮件]
[v1]
2026年10月30日星期五 08:39:59 UTC（2,916 KB）
来源：arXiv cs.CL · arxiv.org