在全球醫(yī)療資源分布不均、初級(jí)保健人力持續(xù)緊張的背景下，人工智能 (AI) 如何在真實(shí)醫(yī)療場(chǎng)景中被設(shè)計(jì)與應(yīng)用，尤其是在農(nóng)村等資源相對(duì)匱乏地區(qū)，已成為醫(yī)療健康A(chǔ)I研究持續(xù)關(guān)注的重要議題。
2026年1月19日，院校群醫(yī)學(xué)及公共衛(wèi)生學(xué)院（群公學(xué)院）韓莎莎師生團(tuán)隊(duì)在該領(lǐng)域取得重要進(jìn)展。其圍繞協(xié)同設(shè)計(jì)方法及基于該方法開發(fā)的大語言模型（LLM）聊天機(jī)器人開展的兩項(xiàng)研究成果，同日在國際頂級(jí)學(xué)術(shù)期刊 Nature Medicine 與 Nature Healt h發(fā)表。
兩項(xiàng)研究并未止步于技術(shù)性能或算法效果的驗(yàn)證，而是立足于中國基層醫(yī)療與醫(yī)院服務(wù)的真實(shí)情境。該研究在多樣化的實(shí)際醫(yī)療環(huán)境中開展，覆蓋不同資源條件與服務(wù)結(jié)構(gòu)場(chǎng)景，包括醫(yī)療資源相對(duì)不足、網(wǎng)絡(luò)條件受限的農(nóng)村地區(qū)，并重點(diǎn)關(guān)注老年人及教育水平較低人群，探索人工智能如何在復(fù)雜本土醫(yī)療健康體系中發(fā)揮切實(shí)作用。
研究通過隨機(jī)對(duì)照試驗(yàn)，系統(tǒng)評(píng)估了AI工具在真實(shí)醫(yī)療場(chǎng)景中的應(yīng)用效果，并在方法層面揭示：協(xié)同設(shè)計(jì)有助于提升AI工具的公平性、可及性與實(shí)際可用性。研究團(tuán)隊(duì)同時(shí)在Springer Nature社區(qū)分享了幕后故事，回顧研究開展過程中的經(jīng)驗(yàn)與反思。
發(fā)表在 Nature Medicine 的研究題為"An LLM chatbot to facilitate primary-to-specialist care transitions: a randomized controlled trial"，關(guān)注醫(yī)院就診效率與服務(wù)質(zhì)量瓶頸——從初級(jí)診療到?？圃\療銜接階段的醫(yī)療流程。 群公學(xué)院韓莎莎助理教授與桂林醫(yī)科大學(xué)第一附屬醫(yī)院馬禮兵教授為論文共同通訊作者；群公學(xué)院博士研究生陶新戈、碩士研究生周書雅及桂林醫(yī)科大學(xué)第一附屬醫(yī)院博士研究生丁鎧為論文共同第一作者。
研究團(tuán)隊(duì)在前期基層與醫(yī)院調(diào)研基礎(chǔ)上，與患者、家屬、社區(qū)工作者及醫(yī)護(hù)人員共同參與設(shè)計(jì)，開發(fā)了用于患者預(yù)評(píng)估的聊天機(jī)器人PreA（Pre-assessment），用于在就診前輔助收集患者信息，并生成結(jié)構(gòu)化報(bào)告供醫(yī)生參考，其核心目的在于支持信息收集與醫(yī)患溝通，而非替代醫(yī)生臨床判斷。
該研究在我國西部地區(qū)兩家三甲醫(yī)院開展隨機(jī)對(duì)照試驗(yàn)，包括24個(gè)科室，共納入2069名患者。研究結(jié)果顯示，PreA有助于醫(yī)生在更短時(shí)間內(nèi)了解患者情況，提升照護(hù)協(xié)調(diào)效率，改善醫(yī)患溝通質(zhì)量；進(jìn)一步分析表明，該工具的使用并未導(dǎo)致醫(yī)生對(duì)AI報(bào)告的盲目采納。
發(fā)表在 Nature Health 的研究題為"A community-codesigned LLM-powered chatbot for primary care: a randomized controlled trial"，關(guān)注農(nóng)村與基層初級(jí)醫(yī)療場(chǎng)景中醫(yī)療資源相對(duì)不足的問題。群公學(xué)院韓莎莎助理教授與北京大學(xué)鄒磊教授為論文共同通訊作者；群公學(xué)院碩士研究生黎賽然與北京師范大學(xué)講師李彥增為論文共同第一作者。
研究提出“雙軌角色扮演”的協(xié)同設(shè)計(jì)方法，邀請(qǐng)來自我國11個(gè)省份的患者、照護(hù)者及社區(qū)工作者與研究人員共同參與設(shè)計(jì)過程。通過角色互換與情境模擬，參與者從不同立場(chǎng)出發(fā)討論實(shí)際需求，共同開發(fā)出面向基層初級(jí)診療的健康咨詢的聊天機(jī)器人P&P Care（Population Medicine & Public Health）。
該隨機(jī)對(duì)照試驗(yàn)共納入2100余名參與者，其中59.1% 來自農(nóng)村地區(qū)。研究結(jié)果顯示，使用P&P Care的參與者在健康信息理解與咨詢表達(dá)等方面呈現(xiàn)出穩(wěn)健改善趨勢(shì)，中老年人群及女性群體的改善更為明顯。研究表明，在基層醫(yī)療場(chǎng)景中，通過多方參與的協(xié)同設(shè)計(jì)方式，是加強(qiáng)AI工具文化適應(yīng)性、融入本地經(jīng)驗(yàn)，從而使其有效融入社區(qū)健康服務(wù)實(shí)踐的關(guān)鍵路徑。
綜合來看，兩項(xiàng)研究從不同層面回應(yīng)了同一個(gè)核心問題：在資源相對(duì)有限的環(huán)境中，醫(yī)療健康A(chǔ)I工具的實(shí)際價(jià)值不僅取決于技術(shù)能力本身，也與其是否在開發(fā)過程中充分嵌入真實(shí)醫(yī)療場(chǎng)景、吸納多方經(jīng)驗(yàn)密切相關(guān)。研究顯示，將技術(shù)研發(fā)與具體醫(yī)療實(shí)踐相結(jié)合，并尊重醫(yī)護(hù)人員與社區(qū)的既有工作方式，有助于提升AI工具在現(xiàn)實(shí)場(chǎng)景中的應(yīng)用潛力。
兩項(xiàng)研究由韓莎莎領(lǐng)銜，聯(lián)合北京大學(xué)、北京師范大學(xué)、騰訊微信AI、桂林醫(yī)科大學(xué)第一附屬醫(yī)院、甘肅醫(yī)學(xué)院附屬醫(yī)院等單位共同完成，并得到國家自然科學(xué)基金、中國醫(yī)學(xué)科學(xué)院醫(yī)學(xué)與健康科技創(chuàng)新工程等項(xiàng)目的支持。
論文信息：
Tao, X., Zhou, S., Ding, K. et al. An LLM chatbot to facilitate primary-to-specialist care transitions: a randomized controlled trial. Nat Med (2026). https://doi.org/10.1038/s41591-025-04176-7
Li, S., Li, Y., Zhou, S. et al. A community-codesigned LLM-powered chatbot for primary care: a randomized controlled trial. Nat Health (2026). https://doi.org/10.1038/s44360-025-00021-w
幕后故事 （Behind the paper）：
Building a primary care chatbot with people, not for them.
https://communities.springernature.com/posts/298529
Why building AI for healthcare requires stakeholders, not just a dataset.
https://communities.springernature.com/posts/301897
供稿：群公學(xué)院
