面向以人为中心的医疗对话：基于 grounding reasoning 的 LLM
计算与语言
2026-05-11 v3
摘要
医生短缺严重限制了及时可靠的医疗保健，使数百万人得不到照顾。大型语言模型（LLM）提供了潜在解决方案，但在现实临床互动中仍感知力不足。许多 LLM 缺乏权威医学指南的 grounding，难以透明地管理诊断不确定性。其语言往往僵硬机械，缺乏患者信任所必需的人性化特征。为此，我们提出Ask Patients with Patience（APP），一个面向grounding reasoning、transparent diagnoses和以人为中心交互的多轮 LLM 医疗助手。APP 通过体贴的对话获取用户症状，显著提升可及性和用户参与度。它还整合贝叶斯主动学习以支持 transparent and adaptive 诊断。该框架建立在经验证的医学指南之上，确保临床 grounding 和 evidence-based reasoning。为评估其性能，我们构建了一个新基准，模拟真实医疗对话，采用由来自真实诊疗案例提取的患者档案驱动的患者代理。我们将 APP 与 SOTA 的 one-shot 和 multi-turn LLM 框架进行比较。结果表明，APP 在诊断准确率、不确定性降低和用户体验方面均取得改进。通过将医学专业知识与 transparent、human-like 交互相结合，APP 弥合了 AI 驱动医疗辅助与实际临床实践之间的鸿沟。
引用
@article{arxiv.2502.07143,
title = {Ask Patients with Patience: Enabling LLMs for Human-Centric Medical Dialogue with Grounded Reasoning},
author = {Jiayuan Zhu and Jiazhen Pan and Yuyuan Liu and Fenglin Liu and Junde Wu},
journal= {arXiv preprint arXiv:2502.07143},
year = {2026}
}