随机研究显示LLM就诊准备智能体优于简单提示对照
资讯摘要
论文提出一种基于大语言模型的就诊准备智能体，在预约前收集临床背景、设定就诊预期、提供健康信息、生成按优先级排序的问题清单和摘要。在Google Health应用中对802名美国成年人开展前瞻性随机研究，共866次对话，与同一LLM构建的简单提示对照机器人比较。盲法临床医生评估显示，该智能体综合准备率67.2%对50.6%，与患者健康背景契合率98.9%对90.4%；患者自报就诊准备度、提问信心和总体满意度也更高，各研究组均保持较高医疗安全性。
要点速读
- 研究在Google Health应用中进行，802名美国成年人共完成866次健康相关对话，分标准版、简洁版智能体与对照机器人。
- 临床医生盲评（n=272）中，智能体综合准备率67.2%对50.6%，健康背景契合率98.9%对90.4%，均具统计显著性。
- 患者问卷（n=460）显示就诊准备度73.8%对57.0%、提问信心81.4%对67.1%、总体满意度74.0%对62.0%均更高；医生与患者指标无显著相关。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/3 08:00:27（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。