面向灵活精神科病史采集与可视化：基于大语言模型的临床医生视角探索

文献标题

Toward Flexible Psychiatric History-Taking and Visualization: Exploring Clinician Perspectives with Large Language Models

出版信息

• 主题领域: 人工智能辅助精神病史采集与临床信息可视化。
• 关键词: 精神病学访谈、大型语言模型、临床仪表盘、自适应提问、共情、模拟患者、DSM-5、功能障碍、以临床医生为中心的设计、心理健康AI。

背景与问题

• 问题/挑战: 初次精神病学访谈受到时间限制和患者反应不可预测的约束，难以高效收集必要的诊断信息。现有的对话代理尚未完全解决精神病史采集中的独特挑战，例如在时间限制下需要灵活且具有共情的提问。
• 重要性: 有效的精神病史采集对诊断和治疗计划至关重要，但效率低下可能导致信息遗漏、患者信任降低以及护理质量受损。
• 动机与相关研究: 之前的系统主要集中于标准化验证问卷或提高一般医学领域的诊断准确性。然而，这些方法缺乏初次精神病学访谈所需的灵活性和以临床医生为中心的设计。本研究旨在通过将临床医生的观点融入系统设计来填补这些空白。

解决方案

• 提出的方法: 一个灵活的人工智能访谈系统，能够根据患者输入动态调整问题流程，优先收集必要的临床信息，同时保持对话的共情性。系统包括一个临床仪表盘，用于总结和可视化访谈数据。
• 创新点:
  1. 自适应访谈设计，可根据患者输入和时间限制进行调整。
  2. 整合倾听技巧以减少心理负担并建立信任。
  3. 使用模拟患者和专家反馈进行以临床医生为中心的评估。
  4. 结构化临床仪表盘，用于高效审阅和决策。
• 流程与关键技术:
  • AI访谈系统使用基于DSM-5的知识库指导提问。
  • 对话结构采用四阶段迭代循环（提问、评估、检查、计划）。
  • 应用倾听技巧（如反映情感、复述、澄清）以增强患者舒适度。
  • 使用具有多样化障碍和对话风格的模拟患者进行安全且可扩展的评估。
  • 临床仪表盘总结关键信息，并链接到对话记录以便于审阅。

结果

• 具体发现:
  • AI访谈系统在30分钟内对大多数单一障碍病例的完整性达到了≥90%，但对于如MDD+ADHD的共病病例则较低（78%）。
  • 临床医生对PIQSCA评分：流程（3.96/5）、技术（3.84/5）、诊断信息（3.69/5）。
• 相较基线的优势:
  • 在时间限制内收集必要信息的效率高于现有系统。
  • 共情回应和结构化总结符合临床需求，提升了可用性。
• 实验/评估:
  • 1,440次模拟患者对话，涵盖八种障碍和六种对话风格。
  • 19名临床医生（包括精神科医生和心理学家）进行专家评估，采用结构化审查和主题分析。
• 局限性与未来工作:
  • 临床医生参与者的地域和文化多样性有限。
  • 缺乏真实患者测试；模拟患者可能无法完全反映临床复杂性。
  • 系统目前仅支持有限的障碍类型；未来工作应扩展至更广泛的精神病学状况并进行真实世界部署。

总结

本研究介绍了一种AI访谈系统，旨在通过动态适应患者输入和时间限制，同时保持共情沟通，来支持初次精神病学访谈。通过模拟患者和专家临床医生的评估，证明了该系统能够高效收集必要的临床信息，并提供结构化总结以辅助诊断决策。尽管该系统作为临床医生支持工具展现了潜力，未来工作应通过纳入多样化的临床医生和患者观点、扩展障碍覆盖范围以及在真实临床环境中测试来解决其局限性。