主要观点总结
本文介绍了由中国医学科学院基础医学研究所龙尔平团队与耶鲁大学陈庆宇团队合作在Nature Medicine期刊发表的研究，旨在通过开发和部署特定于站点的提示工程聊天机器人（SSPEC），评估其在门诊接待中的有效性。研究结果显示，将大型语言模型（LLM）与护士合作用于门诊接待，可以提高患者满意度，减少重复问答和负面情绪，并提升回复质量。
关键观点总结
关键观点1: 研究背景
接待是医疗过程中的重要环节，现有的沟通系统主要依赖人工，存在劳动密集和专业知诓需求高的问题。研究提出利用大型语言模型（LLM）的能力来辅助医疗中心接待处的沟通。
关键观点2: 研究方法
研究通过收集真实对话音频样本，开发了一个名为SSPEC的聊天机器人用于解决门诊接待中的沟通问题，并通过内部验证和随机对照试验评估其性能。
关键观点3: 研究结果
研究表明，SSPEC在门诊接待中表现出色，68.0%的查询在两轮内得到解决，患者满意度显著高于护士组（P < 0.001），重复问答率降低（P < 0.001），负面情绪减少（P < 0.001），并在事实性、完整性、安全性、同理心和可读性等方面表现优于护士组。
关键观点4: 研究难点与不足
研究难点包括现有LLM模型的知识局限性、错误抑制等。研究不足包括知识整理的局限性、警报系统的敏感性、患者接受度、护士依赖性以及隐私和安全问题。未来建议开发本地化的LLM模型，并涉及多方利益相关者进行评估。
文章预览
2024年7月15日，中国医学科学院基础医学研究所 龙尔平 团队与耶鲁大学 陈庆宇 团队合作，在 Nature Medicine 期刊发表了题为： Outpatient reception via collaboration between nurses and a large language model: a randomized controlled trial 的研究论文。 该研究旨在通过开发和部署特定于站点的提示工程聊天机器人（SSPEC），评估其在门诊接待中的有效性，并与护士主导的接待进行比较。 这项随机对照试验研究表明，将大型语言模型（LLM）与护士合作用于门诊接待，可以提高患者满意度，减少重复问答和负面情绪，并提升回复质量 原文地址: https://www.nature.com/articles/s41591-024-03148-7 源代码可以通过以下链接访问： https://github.com/ZigengHuang/SSPEC SSPEC 是使用 OpenAI 版本 0.28.1 (https://github.com/openai/openai-python) RAGAS 版本 0.0.18 (https://github.com/explodinggradients/ragas) 和 LangChain 版本 0.0.333 (https
………………………………
