摘要
面向消费者的健康聊天机器人越来越多地应用于症状评估，尤其是基于大型语言模型（LLMs）。然而，聊天机器人的开发和评估通常依赖于合作、表达清晰的模拟患者。我们分析了2053个真实患者与聊天机器人的对话，发现用户之间的沟通模式和情感表达差异显著。
为了更好地理解患者的需求，我们开发了一种患者模拟器，分别建模临床内容、情感状态、对话策略和沟通风格。在一项受到图灵启发的现实性评估中，15位人类评审员对模拟对话的识别准确率达到55%，几乎无法区分真实对话。
我们使用五种不同的患者角色，在1164个临床评分案例中评估了四种LLM在紧急情况评估中的表现。结果表明，沟通风格对分诊结果有显著影响。患者中心的对话式人工智能必须适应沟通多样性：如果系统仅设计理想化的互动，而不是现实的互动，可能会导致在实际应用中的表现不佳，并加剧健康差异。
博主点评： 本研究揭示了真实患者与聊天机器人之间沟通的复杂性，强调了在开发人工智能医疗系统时考虑沟通多样性的重要性。理想化的设计可能会忽视实际需求，导致医疗服务的公平性问题。需要更多关注如何使技术更好地服务于不同背景的患者。