UK AI临床参考平台(iatroX)的采纳、可用性与感知临床价值：基于1,223名用户的混合方法评估
社会与信息网络
2025-09-26 v1
摘要
临床医生面临着来自生物医学文献和指南的信息过载，阻碍了基于证据的护理。检索增强生成(RAG)与大型语言模型(LLM)可能提供快速、可追溯的答案，但需要实际评估。我们描述iatroX，这是一个基于UK的RAG临床参考平台，并报告其早期采纳、可用性和感知临床价值来自形式化实施评估。方法包括对web、iOS和Android平台的16周(2025年4月8日-7月31日)的用法进行回顾性分析和一个产品内拦截调查。从web和app分析中提取用量指标，过滤机器人。客户端脚本随机化单个项目提示约10%的web会话，从预定义电池中评估有用性、可靠性和采纳意图。以威尔森95%置信区间概括比例；自由文本评论进行主题内容分析。iatroX到达了19,269名独特web用户，202,660次参与事件，约40,000次临床查询。移动端包括1,960次iOS下载和Android增长(峰值>750每日活跃用户)。调查获得1,223个项目级别响应：感知有用性86.2%(95% CI 74.8-93.9%；50/58)；会再次使用93.3%(95% CI 68.1-99.8%；14/15)；推荐给同事88.4%(95% CI 75.1-95.9%；38/43)；感知准确性75.0%(95% CI 58.8-87.3%；30/40)；可靠性79.4%(95% CI 62.1-91.3%；27/34)。主题突出了速度、指南链接答案和UK特异性。早期实际使用表明iatroX可以缓解信息过载并支持UK临床医生及时获取答案。局限性包括每个项目样本量小和早期采用者偏差；未来工作将包括准确性审计和关于工作流程和护理质量的前瞻性研究。
引用
@article{arxiv.2509.21187,
title = {AI-Enhanced Multi-Dimensional Measurement of Technological Convergence through Heterogeneous Graph and Semantic Learning},
author = {Siming Deng and Runsong Jia and Chunjuan Luan and Mengjia Wu and Yi Zhang},
journal= {arXiv preprint arXiv:2509.21187},
year = {2025}
}