超越候诊室：患者对预咨询聊天机器人的对话细微差别的看法

文献标题

Beyond the Waiting Room: Patient’s Perspectives on the Conversational Nuances of Pre-Consultation Chatbots

文献信息

• 主题领域: 人机交互 (HCI)、医疗信息学
• 关键词: LLMs, 聊天机器人, 初级医疗, 信息收集, 病人登记

研究背景与问题

• 问题或挑战:

  • 人工主导的医疗预咨询方式虽然可以提供更个性化的交流，但需要大量医务人员的时间和精力。
  • 病人对传统的问卷形式存在“调查疲劳”现象，这影响了信息质量，常被认为“过于简单”或“不适用个体情况”。
  • 大型语言模型 (LLMs) 驱动的聊天机器人能够以类似人类的交谈方式进行信息收集，但其在临床环境中的实际表现尚未得到完整评估。

• 研究重要性:

  • 预咨询不仅可以提升病人就诊的准备度，还能帮助医生更有针对性地进行诊断。
  • 通过聊天机器人实现预咨询，可降低人工成本，同时提升系统效率。

• 研究动机:

  • 现有研究在设计可行的聊天机器人模型方面有所涉及，但尚未关注病人对这些机器人在临床环境中的接受度。
  • 本研究旨在填补这一空白，为未来基于聊天机器人的预咨询设计提供指导。

解决方案

• 方法与实现:

  • 设计了两种不同的预咨询机器人：
    1. 基于 GPT-4 的人工智能代理（AI Agent）
    2. 医务人员操作的“奥兹巫师”（Wizard-of-Oz Agent）。
  • 提供了固定脚本，机器人可根据与病人的对话动态调整问题。
  • 通过真实世界中的走入式诊所对 33 名参与者进行评估，并观察他们在两种条件下的反应。

• 创新之处:

  • 通过对比 AI 代理与医疗专业人员模拟的聊天机器人，探索患者对两种机器人形式的接受程度、交互效果及体验差异。
  • 研究不仅限于技术表现，还深入分析病人的心理体验、反馈及社会技术情境。

研究成果

• 具体成果:

  • 病人在总体上对聊天机器人的预咨询方式持积极态度，两种条件表现相近。
  • AI 代理虽然能够适度调整问题顺序并解释问题背景，但在追问深度上表现逊于 Wizard 代理。
  • 病人认为对话帮助他们准备与医生的面对面交流，并增强了他们表达病情的能力。

• 优势:

  • 相较传统调查问卷，聊天机器人可以模拟实时的互动对话，减少病人的厌倦感。
  • AI 代理提供了更多关于预咨询背景的解释，使病人更好地理解整个过程。

• 实验及评估结果:

  • 病人对于两种代理的对话质量表现都给予了较高评分，尤其认可问题的逻辑性和语言流畅度。
  • Wizard 代理在问答深度和问题追踪上表现更为细致，而 AI 代理倾向于提供更多的同情语言，但有时显得重复和缺乏真实感。
  • 相较传统问卷的静态设计，聊天机器人在信息收集过程中更灵活、内容导向更强。

• 局限性与未来方向:

  • 病人认为聊天机器人在结束对话后应提供总结，并允许病人修改或补充信息以纠正潜在错误。
  • AI 代理在某些细节表现不如医务人员的模拟代理，未来应增强机器人在问题追问和处理多重病况时的逻辑能力。
  • 提出进一步研究如何将聊天机器人与电子健康记录 (EHR) 系统整合，以便优化医护资源，同时保证数据隐私和准确性。

总结

本文通过对聊天机器人在走入式医疗诊所场景应用的实证研究，丰富了关于预咨询机器人设计的理解。研究表明，将聊天机器人用于医疗预咨询具备显著的潜力，但仍需优化语言模型以提升信息深入性和交互真实性。此外，在预咨询过程中融入用户预期管理和隐私保障将是未来推动技术采用的关键。