Nature Medicine + Nature Health：韓莎莎團隊證實，AI聊天機器人讓看病更高效、更貼心

撰文丨王聰

編輯丨王多魚

排版丨水成文

隨著人口老齡化和慢性病負擔加重，全球醫療系統正面臨前所未有的壓力。在資源有限的地區，患者往往需要經歷漫長的等待和碎片化的護理流程。例如，在中國，許多患者習慣于繞過初級護理直接前往大醫院，導致專科醫生負擔過重，咨詢時間被壓縮，醫患溝通質量下降。

近年來，大語言模型（LLM）在醫療領域的應用嶄露頭角，但多數研究局限于輔助醫護人員，缺乏直接面向患者的實踐證據。

2026 年 1 月 19 日，兩項來自中國團隊的重磅研究打破了這一局限，他們通過隨機對照試驗（RCT）證明：基于大語言模型（LLM）的AI 聊天機器人能夠顯著優化護理流程，并提升患者參與度。不僅能大幅提升就診效率，還能讓患者體驗更溫暖、更個性化。

研究一：PreA 聊天機器人——優化從初級到專科護理的過渡

該研究以：An LLM chatbot to facilitate primary-to-specialist care transitions: a randomized controlled trial（促進初級到專科護理過渡的大語言模型聊天機器人：一項隨機對照試驗）為題，發表于Nature Medcine期刊，中國醫學科學院北京協和醫學院韓莎莎研究員、桂林醫科大學第一附屬醫院馬禮兵教授為論文共同通訊作者。

在這項發表在Nature Medicine的研究中，研究團隊開發了一款名為PreA的 AI 聊天機器人（基于 GPT-4o mini），專門用于幫助患者從初級護理轉向專科護理。PreA 的核心功能是模擬初級護理醫生的角色，進行病史采集、初步診斷和檢查建議，并生成轉診報告供專科醫生參考。

研究設計：研究團隊在兩家中國西部地區三甲醫院的 24 個科室開展了隨機對照試驗，涉及 2069 名患者。患者被隨機分為三組：獨立使用 PreA 組、在工作人員輔助下使用 PreA 組、以及不使用 PreA 的對照組。

關鍵發現：

• 咨詢時間大幅縮短：獨立使用 PreA 的患者，平均咨詢時間比對照組減少了 28.7%（從 4.41 分鐘降至 3.14 分鐘），這意味著醫生能在更短時間內掌握患者情況。

• 護理協調性提升：專科醫生對 PreA 生成的轉診報告評價極高，認為其幫助程度提升了 113.1%。

• 患者溝通更順暢：患者報告溝通便捷度提高了 16.0%，且對醫生關注度、滿意度和未來使用意愿均有顯著改善。

PreA 對門診工作流程、以患者為中心的服務和護理協調的影響

為什么 PreA 如此有效？

該研究強調，PreA 的成功源于與當地利益相關者（患者、社區健康工作者、醫生）的共同設計（co-design）。相比單純依賴本地醫療對話數據微調模型，co-design 能更好地避免系統性偏見，確保工具貼合真實臨床需求。此外，PreA 在無人輔助的情況下表現與有人輔助組相當，證明了其自主運行能力，這在資源有限地區尤為重要。

研究二：P&P Care 聊天機器人——重塑初級護理體驗

該研究以：A community-codesigned LLM-powered chatbot for primary care: a randomized controlled trial（社區共設計的大語言模型賦能的聊天機器人用于初級護理：一項隨機對照試驗）為題，發表于Nature Health期刊，中國醫學科學院北京協和醫學院韓莎莎研究員、北京大學王選計算機研究所鄒磊教授為論文共同通訊作者。

在這項發表于Nature Health的研究中，研究團隊聚焦于初級護理場景，開發了名為P&P Care的 AI 聊天機器人（基于 GPT-4o mini）。這款 AI 聊天機器人采用了雙軌角色扮演 co-design 框架，整合了 e-learning 模塊，旨在提升患者的“AI 健康素養”——即用戶與 AI 交互的能力。

研究設計：在 11 個中國省份的城鄉社區開展隨機對照試驗，涉及 2113 名參與者。參與者被隨機分為兩組：一組在咨詢前接受 e-learning 培訓（e-learning plus 組），另一組直接進行咨詢（僅咨詢組）。

關鍵發現：

• 健康意識顯著提高：e-learning plus 組的客觀健康意識得分比僅咨詢組高出 26%（2.95 vs. 2.34），表明患者能更主動地管理自身健康。

• 咨詢質量全面提升：包括注意力、可傾聽性、簡潔性、完整性和同理心等維度均優于對照組。

• 弱勢群體受益更多：中老年患者（≥40歲）和需要多學科護理的患者改善尤為明顯，e-learning 有效縮小了健康知識差距。

e-learning plus 組與僅咨詢組在健康意識、溝通質量和感知價值方面的對比

該研究的創新點在于 co-design：社區成員直接參與設計過程，確保了聊天機器人兼顧文化適應性和低識字率用戶需求。例如，研究團隊根據反饋增加了語音接口和離線功能，以應對農村地區的網絡限制。與傳統初級護理和遠程醫療相比，P&P Care 在病史采集、診斷精確性、檢查建議和慢性病管理方面均評分更高。

共同啟示：co-design 是 AI 醫療落地的關鍵

兩項研究都凸顯了co-design在部署醫療 AI中的核心價值。傳統 AI 模型若僅依賴被動收集的本地數據，可能復制現有護理缺陷（例如診斷捷徑或文化偏見）；而通過 co-design，AI 工具能更貼合實際需求，避免“技術脫節”。

效率與人性化兼得：AI 工具并非取代醫生，而是通過處理常規任務（例如病史采集），讓醫生更專注于復雜決策和人文關懷。

可擴展性：PreA 和 P&P Care 在資源有限環境中表現穩健，為全球醫療公平性提供了樣板。

總的來說，這兩項研究表明，AI 聊天機器人是能夠切實提升醫療可及性和質量的有力工具，讓患者感受到自己被傾聽，而不是被匆忙打發，在 AI 的輔助下，醫療正朝著更高效、更溫暖的方向邁進。

論文鏈接：

1. https://www.nature.com/articles/s41591-025-04176-7

2. https://www.nature.com/articles/s44360-025-00021-w