谷歌健康应用LLM就诊准备智能体随机对照研究：提升患者准备度与满意度

在时间受限的临床就诊中，数百万成年人正转向通用AI聊天机器人进行事前准备，但对话式AI是否真能提升就诊就绪度尚不明确。一项针对802名美国成年人的前瞻性随机对照研究显示，大语言模型（LLM）驱动的结构化就诊准备智能体，在临床医生盲评和患者自评中均显著优于仅使用最小提示词的同基座控制组。该智能体通过收集临床背景、设定就诊预期、提供相关健康信息、构建优先提问列表并生成摘要这一完整工作流，实现了更高质量的准备效果。

在272份由临床医生完成的会话评审中，智能体组的全面准备率达到67.2%，比控制组的50.6%高出16.6个百分点；其与患者健康背景的契合度为98.9%，较控制组的90.4%提升8.5个百分点，且所有实验组均保持了较高的医疗安全性与适宜性。来自460名参与者的术后调查显示，使用智能体的患者就诊准备度为73.8%，比控制组的57.0%高出16.8个百分点；知道自己该问什么问题的信心达到81.4%，比控制组的67.1%高出14.3个百分点；整体满意度为74.0%，比控制组的62.0%高出12.0个百分点。

值得注意的是，临床医生评分与参与者自评指标之间并未表现出显著相关性，这表明专家审查与患者自我评估捕捉到了面向患者的AI系统中两个互补的维度。这一发现提示，遵循结构化工作流的LLM聊天机器人能够安全地辅助患者准备临床就诊，并为未来关于诊中沟通及临床结局的研究提供了依据。该研究于2026年10月30日提交至arXiv，发表于Google Health应用内，涵盖标准版与简洁版两种智能体变体。