写在纸上，实际出错：为何 LLM 在编写临床笔记时仍然困境
人机交互
2025-09-05 v1
摘要
大型语言模型（LLM）常被提议作为简化临床文档的工具，此类任务被视为高频且低风险。然而，即便是看似直接的 LLM 应用，也需解决复杂的社会技术考量才能落地。本案例研究在安大略省的儿童康复 facility KidsAbility 进行，考察了 LLM 在减轻职业治疗师文档负担方面的应用。我们对20名临床医生进行的定性研究，涉及两个 AI 技术：通用专有 LLM 和基于专有历史文档微调的定制模型。我们的发现表明，文档挑战是社会技术性的，受临床工作流程、组织政策和系统约束影响。四个关键主题浮现：（1）工作流程的异质性，（2）文档负担是制度性的，与创建任何单一类型的文档直接相关，（3）灵活工具和临床医生自主性的需求，（4）有效实施需要临床医生与 AI 系统之间的相互学习。在 LLM 在减轻文档任务方面显示出希望，但其成功将取决于支持临床医生自主性的灵活、自适应集成。除技术性能外，持续采纳还需要反映临床环境复杂性的培训项目和实施策略。
引用
@article{arxiv.2509.04340,
title = {Write on Paper, Wrong in Practice: Why LLMs Still Struggle with Writing Clinical Notes},
author = {Kristina L. Kupferschmidt and Kieran O'Doherty and Joshua A. Skorburg},
journal= {arXiv preprint arXiv:2509.04340},
year = {2025}
}