AI能当医生吗？临床LLM的共情能力、可读性与对齐性研究

本文围绕"AI能否成为医生"这一核心问题，对通用及医疗专用LLM在医患沟通场景中的表现进行多维度评估。研究发现当前LLM存在情感极性放大、语言复杂度过高等问题，但通过协作重写策略可有效优化。最终结论指出：LLM更适合作为临床沟通的增强工具，而非替代医生的角色。

大语言模型正快速进入医疗场景（症状自查、用药指导等），但AI与患者沟通是否符合临床标准这一问题尚未充分解答。本研究旨在系统评估通用及医疗专用LLM在真实医患交互中的表现，揭示其能力边界与局限。

研究采用三维评估体系衡量AI与临床标准的对齐程度：

1. 语义保真度：医学事实准确性与信息传达正确性；
2. 可读性：文本复杂度是否适合患者理解（平衡专业与通俗）；
3. 情感共鸣：情感极性与共情表达是否适当（传递信息同时提供情感支持）。

基准问题：

• 情感极性放大：基础模型负面情感占比（43.14%-45.10%）高于医生（37.25%），易加剧患者焦虑；
• 语言复杂度过高：GPT-5/Claude输出FKGL达16.91-17.60级（研究生水平），医生回复为11.47-12.50级（高中高年级）。 优化策略：
• 共情提示：减少极端负面情感、降低阅读难度，但语义保真度无显著提升；
• 协作重写（重述模式）：语义相似度最高（平均0.93）、可读性改善、情感极值有效控制。

医生视角：AI在医学准确性、临床推理、诊疗建议合理性上均不及真实医生，强调AI辅助定位； 患者视角：更偏爱经过重写的AI回复，认为其清晰度和情感基调更令人满意。

综合研究发现，LLM在医疗场景中最有效角色是协作式沟通增强器，而非临床专业知识替代者。功能定位上，AI应专注改善沟通质量效率，而非取代医生诊断决策权；理想模式为医生提供专业判断，AI协助优化表达方式。

对开发者和部署者的建议：

1. 分层处理：内容生成（确保准确性）与表达优化（调整方式和情感）分离；
2. 可读性优先：控制术语密度、清晰组织信息、提供背景解释；
3. 情感校准：自动检测调节过度情绪化表达，根据情境调整共情；
4. 持续监督：关键决策中保持医生最终审核权，并将AI定位为辅助工具。

局限：

• 仅基于文本分析，未涉及多模态交互（如语音、面部表情）；
• 样本来自英语语境，跨语言适用性待验证；
• 长期医患关系影响未充分考察。 未来方向：
• 开发医疗专用对齐训练方法；
• 探索多轮对话上下文一致性；
• 研究AI辅助沟通对医疗结果的实际影响。