一种用于改进术前患者沟通的本地可执行 AI 系统：多域临床评估
摘要
等待侵入性程序的患者常常有未解答的前程序问题；然而，时间受限的工作流程和隐私限制限制了个性化咨询。我们提出 LENOHA (低能耗、无幻觉、为所有人服务架构)，一个以安全为首要、本地优先的系统，通过高精度句子转换器分类器路由输入，并返回来自临床医生精选 FAQ 的逐字答案，用于临床查询，消除临床路径中的自由文本生成。我们在两个领域 (牙齿拔除和胃镜检查) 上进行了评估，使用专家审核的验证集 (n=400/领域) 进行阈值设定和独立测试集 (n=200/领域)。在四个编码器中，E5-large-instruct (560M) 实现了 0.983 的总体准确率 (95% 置信区间 0.964-0.991)，AUC 0.996，仅有七个错误，这些结果在该任务上与 GPT-4o 的结果统计上无显著差异；Gemini 在此测试集上未发生任何错误。能源记录显示，非生成性临床路径的能耗仅为约 1.0 mWh/输入，而本地 8B 小型语言模型的闲聊回复约为 168 mWh，约相差 170 倍，同时保持约 0.10 秒的延迟。这些结果表明，在临床路径中通过返回经审阅的 FAQ 答案来实现接近前沿的判别和生成引起的错误在结构上被避免，从而支持隐私、可持续性和在带宽受限环境中的平等部署。
引用
@article{arxiv.2510.01671,
title = {A Locally Executable AI System for Improving Preoperative Patient Communication: A Multi-Domain Clinical Evaluation},
author = {Motoki Sato and Yuki Matsushita and Hidekazu Takahashi and Tomoaki Kakazu and Sou Nagata and Mizuho Ohnuma and Atsushi Yoshikawa and Masayuki Yamamura},
journal= {arXiv preprint arXiv:2510.01671},
year = {2025}
}
备注
32 pages, 4 figures, 10 tables 32 pages, 4 figures, 10 tables. This paper is currently under review at ACM Transactions on Computing for Healthcare. Reproducibility resources: http://github.com/motokinaru/LENOHA-medical-dialogue