人工智能语言技术在多语言医疗中的应用：面临的宏大挑战

人工智能语言技术(AILTs)，日益受大型语言模型(LLMs)的支持，正逐渐嵌入到多语言医疗工作流程中，用于翻译、改写、文档制作、解释和信息交流，尤其是在语言不通的场景下。然而，流畅的输出并不等同于临床上安全或公平的沟通：性能在不同语言、方言、任务和工作流程之间存在差异，效率提升可能掩盖错误，降低可追溯性，并在临床医生、翻译家、解释员和医疗机构之间转移责任。本篇叙事性综述综合了近期在书面通信、口头通信和新兴代理工作流程方面的同行评议证据。运用以以人为中心的人工智能语言技术(HCAILT)视角，审查了其能力、评估实践、实施模式以及反复出现的错误，通过可靠性、安全文化和可信任性三个维度进行分析。我们确定了文献中的关键趋势与矛盾，并提出了下一阶段研究和部署的七大挑战。我们认为，进步不仅需要更好的模型，还需要可解释的社会技术设计、校准的人类监督，以及来自机器翻译/自然语言处理、翻译研究、人机交互、临床实践、实施科学和政策等领域的更强合作。