运用医学沟通框架评估生成式人工智能对初级保健患者门户消息回复的质量：内容分析

《JMIR Formative Research》：Use of a Medical Communication Framework to Assess the Quality of Generative Artificial Intelligence Replies to Primary Care Patient Portal Messages: Content Analysis

生成式AI在初级护理患者消息回复中的沟通质量评估（摘要） 该研究通过主题分析法评估了201条由GPT-3.5生成的患者消息回复，发现AI在建立医患关系（43.3%优势）和推动后续步骤（36.3%优势）表现较好，但在信息收集（60%局限性）、信息传递（44.3%局限性）和情绪回应（8.5%优势）方面存在明显不足。结果显示AI通信质量具有领域差异性，需结合具体场景优化应用。

　　在当代医疗环境中，电子健康记录（EHR）系统已成为患者与医生之间沟通的重要渠道。然而，随着患者通过这些系统提交的沟通请求数量不断增加，初级保健医生（PCPs）和高级实践护理人员面临着日益沉重的工作负担。特别是在美国，由于医疗资源紧张和患者需求激增，初级保健医生的工作压力尤为显著。这一背景下，生成式人工智能（GenAI）技术被引入作为可能的解决方案，以协助医生处理大量的患者消息。然而，尽管GenAI在医疗领域展现出一定的潜力，其在实际应用中的表现仍需进一步评估，特别是在医疗沟通质量方面。

本研究旨在通过一个公认的医疗沟通框架，系统性地分析生成式人工智能在回应初级保健患者消息时的表现。研究团队选取了201条由GenAI生成的回复，这些回复是基于一所大型中西部学术医疗中心的患者消息样本。消息样本经过精心挑选，以确保其在内容、语言和复杂性方面具有多样性。通过采用混合演绎-归纳的方法，研究人员识别并定义了五个主要的沟通领域，包括建立关系、信息收集、信息传递、促进下一步行动以及回应患者情绪。这些领域与传统的面对面医疗沟通标准相一致，因此能够为评估GenAI回复的质量提供理论依据。

研究结果显示，GenAI回复在某些沟通领域表现良好，例如建立关系和促进下一步行动，但其他领域如信息收集和传递、情绪回应等方面则存在较多不足。在建立关系方面，GenAI回复经常表现出尊重和重复关键语句，这有助于增强患者对医生的信任。然而，一些回复中使用的建立关系的语句显得不恰当或缺乏深度，未能充分满足患者的情感需求。在促进下一步行动方面，GenAI能够清晰地列出选择或提供必要的指导，这有助于医生快速做出回应。但在某些情况下，回复建议的下一步行动显得过早或不恰当，可能影响患者的医疗决策。

信息收集是医疗沟通中的关键环节，涉及医生如何通过提问了解患者的病情和需求。研究发现，GenAI生成的回复在这一方面表现参差不齐。一些回复能够引导患者表达其真实需求，并有助于医生制定合适的诊疗计划，但另一些回复则显得无关或重复，未能有效推动信息的获取。信息传递方面，GenAI回复通常能提供准确的信息，但有时会因信息不准确或不符合患者的具体情况而受到批评。此外，回复的表达方式可能不够专业，影响了其在医疗沟通中的可信度。

在回应患者情绪方面，GenAI回复通常能够识别并验证患者的情绪，这有助于建立良好的医患关系。然而，也有许多回复未能充分回应患者的情绪，导致患者感到被忽视或不被理解。这种情绪回应的不足可能会影响患者的满意度和治疗依从性。

研究还发现，GenAI回复的质量在不同类型的患者消息中存在差异。对于非行政类消息，GenAI在建立关系和促进下一步行动方面的表现优于信息收集和传递。而对于行政类消息，虽然在某些方面也表现出优势，但整体来看，信息传递和情绪回应的局限性更为明显。这一发现提示我们，GenAI在处理不同类型的消息时，可能需要不同的优化策略和应用方法。

值得注意的是，尽管GenAI回复在某些方面表现出色，但医生们普遍认为这些回复仍需进一步编辑和调整。在研究中，超过一半的医生表示他们会使用GenAI生成的回复，但大多数回复需要较大的修改才能满足实际需求。这种现象反映了GenAI在医疗沟通中的潜力，同时也揭示了其在实际应用中所面临的挑战。

研究还强调了在评估GenAI回复质量时，采用医疗沟通框架的重要性。通过这种方法，可以更系统地识别GenAI回复中的优点和不足，从而为未来的改进提供方向。此外，研究也指出了当前GenAI在医疗沟通中的局限性，包括对患者情绪的理解不足、信息传递的准确性不高以及对复杂问题的处理能力有限。这些局限性可能与GenAI模型本身的设计有关，也可能受到输入信息的限制。

研究团队认为，未来GenAI在初级保健中的应用应更加谨慎。一方面，可以考虑将GenAI用于特定的医疗任务或情境，以减少其在复杂问题上的使用。另一方面，可以探索将GenAI作为辅助工具，用于优化医生的回复内容，而不是完全依赖其生成的回复。此外，研究还建议，通过提供更全面的临床信息，如患者病历和过往沟通记录，可以提高GenAI回复的准确性和适用性。

总之，GenAI在医疗沟通中的应用仍处于探索阶段，其表现既有优点也有不足。通过系统性评估和持续优化，GenAI有望成为辅助初级保健医生处理患者消息的有效工具。然而，在实际应用中，医生仍需保持警惕，确保GenAI生成的回复能够真正满足患者的需求，并维护良好的医患关系。