LLM 会像临床医生一样进行分诊吗？门诊转诊的动态研究
计算与语言
2026-05-21 v5 人工智能
摘要
门诊转诊是一项核心临床工作流程，旨在信息不完整且不断演变的情况下将患者分配至医院各科室，然而尽管其在实践中本质上是交互式的，通常却被简化为静态分类问题。在本研究中，我们将门诊转诊视为由信息获取和不确定性降低驱动的动态过程。我们分析了基于固定患者信息的静态场景以及涉及多轮对话的动态场景，以测试大语言模型是否通过更好的预测或更有效的提问来改善转诊结果。我们的研究结果表明，在静态转诊准确率方面，LLM 相比传统分类器提供的优势有限，但在动态场景中，通过提出具有区分度的后续问题来降低候选科室的不确定性，它们始终优于传统分类器。这些结果表明，LLM 在门诊转诊中的主要价值不在于静态预测，而在于支持交互式、感知不确定性的临床决策。
引用
@article{arxiv.2503.08292,
title = {Do LLMs Triage Like Clinicians? A Dynamic Study of Outpatient Referral},
author = {Xiaoxiao Liu and Qingying Xiao and Bingquan Zhang and Junying Chen and Xiangyi Feng and Ziniu Li and Xiang Wan and Jian Chang and Guangjun Yu and Yan Hu and Benyou Wang},
journal= {arXiv preprint arXiv:2503.08292},
year = {2026}
}