从生成到协作：使用 LLM 进行医疗保健中的共情编辑
计算与语言
2026-01-23 v1
摘要
临床共情对患者的护理至关重要，但医生需要在临床实践的认知和情感约束下，不断平衡情感温暖与事实精确性。本研究探讨了大型语言模型（LLM）如何作为共情编辑器，通过润色医生的书面回复来增强共情语调，同时保留底层的医疗信息。更重要的是，我们引入了新的定量指标：共情排名分数和 MedFactChecking 分数，以系统地评估回复的情感和事实质量。实验结果表明，与完全由 LLM 生成的输出相比，LLM 编辑的回复在保持事实准确性的同时，显著提高了感知到的共情水平。这些发现表明，将 LLM 用作编辑助手而非自主生成器，为具有共情且可信的 AI 辅助医疗保健沟通提供了一条更安全、更有效的路径。
引用
@article{arxiv.2601.15558,
title = {From Generation to Collaboration: Using LLMs to Edit for Empathy in Healthcare},
author = {Man Luo and Bahareh Harandizadeh and Amara Tariq and Halim Abbas and Umar Ghaffar and Christopher J Warren and Segun O. Kolade and Haidar M. Abdul-Muhsin},
journal= {arXiv preprint arXiv:2601.15558},
year = {2026}
}