面向医疗 Avatar 的大语言模型检索增强生成技术可行性研究：关于用户群体的可用性与信任
人机交互
2025-10-20 v1
摘要
医疗专业人员的时间有限，但其信息需求却日益增长。因此，拉德布鲁茨大学与卡尼西斯威尔赫玛医院合作开发了一种具备语音交互能力的虚拟人形象（Avatar），其不同于许多现有 Avatar，采用了增强检索生成（RAG）技术的大语言模型（LLM）。RAG技术使得医院提供的医疗信息能够在交互过程中被利用，而不仅仅是通用的 LLM 信息。为此，我们制作了两个视频：一个展示患者与 Avatar 就总髋手术进行交互的情景，另一个展示患者亲属与 Avatar 就术后惊惑失神（delirium）进行交互的情景。我们对来自荷兰、英国和美国40岁以上成年人进行调查，研究性别、国家和受教育程度对可用性与信任的影响，这些因素是 Avatar 接受度的重要指标。受访者观看视频，分别以患者身份（视频1）或患者亲属身份（视频2）进行观想，并以7点李克特量表（0-6）对相关指标进行评分。共165名受访者（平均年龄51.6岁，标准差8.9岁，男性80人，女性85人）完成了调查。在患者角色中，受访者对可用性得分M=4.61（SD=0.97），对信任得分M=3.92（SD=1.10），均超过了量表均值。在作为患者亲属的角色中，受访者对可用性得分M=4.64（SD=1.08），对信任得分M=4.31（SD=1.06）。未发现性别、国家和受教育程度的显著影响。
引用
@article{arxiv.2510.15531,
title = {A Feasibility Study on Usability and Trust among Population Groups of a Medical Avatar Supported by Large Language Models with Retrieval Augmented Generation},
author = {Roel Boumans and Lisa Cramer and Sascha van de Poll and Henria Vermeulen},
journal= {arXiv preprint arXiv:2510.15531},
year = {2025}
}
备注
22 pages, 4 figures, 2 tables