价值敏感性差距：临床大型语言模型如何回应共享决策中的患者偏好陈述
计算机与社会
2026-03-03 v1 人工智能
机器学习
摘要
大型语言模型 (LLM) 正在临床工作流程中作为决策支持工具进入，但它们如何回应患者偏好陈述——这正是共享决策的核心内容——尚未被测量。我们进行了一次因子实验，使用源自 98,759 条去标识化的 Medicaid 就诊记录的临床情景进行测试。我们测试了四类 LLM（GPT-5.2、Claude 4.5 Sonnet、Gemini 3 Pro 和 DeepSeek-R1），在两个临床领域中测试 13 种价值情境，共产生 104 项试验。不同模型家族的默认价值取向差异较大（ aggressiveness 范围为 1.0~5.0 量表上的 2.0~3.5）。价值敏感性指数范围为 0.13~0.27，患者偏好陈述的方向一致性范围为 0.625~1.0。所有模型在非控制试验中均以 100% 的比例确认了患者的价值观，但实际的推荐转变仍相对有限。决策矩阵和 VIM 自报告缓解措施分别在 78 项二期评估中将方向一致性提升 0.125。这些发现为填充临床 AI 治理框架提议的价值披露标签提供了实证数据。
引用
@article{arxiv.2603.00076,
title = {The Value Sensitivity Gap: How Clinical Large Language Models Respond to Patient Preference Statements in Shared Decision-Making},
author = {Sanjay Basu},
journal= {arXiv preprint arXiv:2603.00076},
year = {2026}
}
备注
38 pages, 4 figures, supplementary appendix included