AI 编辑：医生如何细化大语言模型生成的患者查询答案
人机交互
2025-11-26 v1
摘要
患者在其医疗旅程中经常寻求信息，但数字化患者消息的数量不断增加，已给医疗系统带来压力。大语言模型（LLMs）在为医生生成草稿回复方面展现出前景，但医生如何细化这些草稿仍未得到充分探讨。我们对九名眼科医生进行混合方法研究，他们分别回答 144 个白内障手术问题：从头编写、直接编辑 LLM 草稿以及基于指令的间接编辑。我们的定量和定性分析揭示，尽管 LLM 输出通常准确，但偶发错误和自动化偏见凸显了需要人工监督的必要性。情境化处理——将通用答案适应当地实践和患者期望——成为最主要的编辑形式。编辑工作流程揭示了权衡：间接编辑降低了 effort 但引入错误，而直接编辑确保精确但工作量更高。我们结论性地提出设计和政策建议，以构建安全、可扩展的 LLM 辅助临床沟通系统。
引用
@article{arxiv.2511.19940,
title = {Editing with AI: How Doctors Refine LLM-Generated Answers to Patient Queries},
author = {Rahul Sharma and Pragnya Ramjee and Kaushik Murali and Mohit Jain},
journal= {arXiv preprint arXiv:2511.19940},
year = {2025}
}
备注
9 pages, 2 figures, 1 table