以患者为中心的 AI 用于就诊准备的前瞻性随机研究

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，如今数以百万计的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，并生成一份摘要。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、仅给予极少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。在临床医生对已完成会话的评审中（n = 272），该智能体达到全面准备的比例高出 16.6%（67.2% 对 50.6%；P < 0.05），与患者健康背景的一致性比例高出 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学安全性和适当性。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）。临床医生指标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。这些发现提示，LLM 聊天机器人可以安全地帮助患者为临床就诊做准备，且在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依据。

中文由 AI 翻译，仅供参考，以原文为准。