斯坦福大学的研究人员发现，AI生成的患者消息响应比临床医生的响应获得了更高的满意度评分，尽管在内分泌学领域的同理心和质量仍然很强。
研究通讯：关于人工智能生成的患者消息响应的观点。图片来源：Munthita / Shutterstock
在最近发表于《JAMA Network Open》的一项研究中，斯坦福大学的研究人员评估了普通人群对人工智能（AI）响应相对于临床医生与患者消息的满意度。生成式AI可以帮助临床医生回应患者的询问。虽然AI生成的响应表现出可接受的质量和较低的风险，但普通人群对AI生成响应的看法很少被详细探讨。
研究与发现
在这项横断面研究中，研究人员调查了普通人群对AI生成响应与临床医生与患者消息的满意度。他们筛选了3,769,023份患者医疗建议请求的健康记录，并选择了59个临床问题进行分析。使用了两种生成式AI模型：斯坦福生成预训练变压器（GPT）和ChatGPT-4。这些工具生成了有和没有提示工程的响应。为了获得更高质量和同理心的信息，最终分析选择了通过提示工程生成的AI响应。
六名持证临床医生使用五点李克特量表评估了原始临床医生响应和AI响应，其中5表示最佳，1表示最差。此外，通过斯坦福研究登记处招募的30名参与者评估了AI和临床医生响应的满意度。每个响应由三人独立评估，评分从5（非常满意）到1（非常不满意）。为了考虑评估者的潜在偏见和变异性，研究人员开发了混合模型来计算同理心、满意度和信息质量的效果估计。
研究团队使用多变量线性回归分析了响应长度与满意度之间的关系，调整了性别、年龄、种族和民族。总体而言，包括了2,118次AI响应质量和408次满意度评估。值得注意的是，AI响应的满意度评分（平均3.96）显著高于临床医生响应（平均3.05），无论是在整体还是按专科分类。对心脏病学问题的AI响应满意度最高，而对内分泌学问题的响应在同理心和信息质量方面得分最高。
临床医生的响应较短，平均254个字符，而AI响应平均1,471个字符。有趣的是，临床医生响应的长度与满意度有关，尤其是在心脏病学问题上，而AI响应长度则没有这种关联。
结论
该研究评估了健康记录中AI对患者问题响应的满意度。研究结果表明，AI生成的响应在满意度方面始终高于临床医生的响应。然而，满意度并不一定与信息质量和同理心一致，因为对心脏病学问题的响应满意度最高，而对内分泌学问题的响应在同理心和信息质量方面得分最高。
此外，临床医生响应的长度与满意度相关，而AI响应的长度则不相关，这表明临床医生与患者沟通中的简洁性可能会降低满意度。研究的局限性包括满意度是由调查参与者而不是最初提交问题的患者评估的，因此原患者的满意度可能有所不同。
未来的研究应评估不同医疗中心、地区、患者群体和专科中AI响应的满意度。总体而言，该研究强调了患者作为利益相关者在开发和实施AI以优化临床医生与患者沟通中的重要性。
期刊参考：
- Kim J, Chen ML, Rezaei SJ, et al. Perspectives on Artificial Intelligence-Generated Responses to Patient Messages. JAMA Network Open, 2024, DOI: 10.1001/jamanetworkopen.2024.38535,
(全文结束)
