Talk2Care：利用大语言模型促进医患异步沟通
计算与语言
2024-02-06 v5 人工智能
人机交互
摘要
尽管存在大量协助居家老年人与医疗服务提供者的远程医疗应用，基本的消息传递和电话仍是目前最常用的沟通方式，其存在可用性有限、信息丢失和流程低效等问题。一个促进医患沟通的潜在方案是利用大语言模型（LLMs）强大的自然对话与摘要能力。然而，对于 LLMs 在沟通中所起作用的理解仍然有限。我们首先对老年人（N=10）和医疗服务提供者（N=9）开展了两项访谈研究，以了解他们在医患异步沟通中对 LLMs 的需求与机遇。基于这些洞察，我们构建了 LLM 驱动的沟通系统 Talk2Care，并为两类群体设计了交互组件：（1）对于老年人，我们利用语音助手（VAs）的便捷性和可及性，构建了由 LLM 驱动的 VA 接口以实现有效的信息收集。（2）对于医疗服务提供者，我们构建了基于 LLM 的仪表盘，根据老年人与 VA 的对话对重要健康信息进行摘要与呈现。我们进一步对老年人和提供者开展了两项用户研究以评估系统的可用性。结果表明，Talk2Care 能够促进沟通流程，丰富从老年人处收集的健康信息，并显著节省提供者的精力与时间。我们将本工作视为对 LLMs 在医疗与人际沟通交叉领域能力的初步探索。
引用
@article{arxiv.2309.09357,
title = {Talk2Care: Facilitating Asynchronous Patient-Provider Communication with Large-Language-Model},
author = {Ziqi Yang and Xuhai Xu and Bingsheng Yao and Shao Zhang and Ethan Rogers and Stephen Intille and Nawar Shara and Guodong Gordon Gao and Dakuo Wang},
journal= {arXiv preprint arXiv:2309.09357},
year = {2024}
}
备注
Under submission to IMWUT'23, 26 pages