研究亮点
- 首次在真实世界中前瞻性评估面向患者的对话式人工智能（Artificial Intelligence，AI）系统在急诊初级保健中的应用。
- 未出现任何由监督人员触发的对话安全中止，且临床评价者和患者对对话质量的评分均较高。
- 患者在与系统交互后，对AI的态度显著改善，并在随后接受医师就诊后仍保持这种积极变化。
- 初级保健提供者认为AI摘要有助于就诊前准备，并报告其可能影响临床行为。
研究背景
初级保健是许多出现急性主诉患者的首诊入口，在及时诊断和处理方面发挥着关键作用。然而，患者数量增加和病情复杂化加重了临床医生的倦怠，并导致诊断延迟。人工智能（AI）技术，尤其是对话式AI系统，具有通过促进患者信息采集和早期形成鉴别诊断来辅助临床工作流程的潜力。但在真实世界的初级保健场景中，其落地应用仍然有限，且人们对安全性、数据质量、可接受性和临床实用性仍存顾虑。本研究旨在将对话式AI系统 Articulate Medical Intelligence Explorer（AMIE）部署于门诊急诊初级保健场景中，以评估这些参数，并在临床接诊前检验其可行性和安全性。
研究设计
这是一项前瞻性、单中心、单臂可行性研究，开展于2025年4月至11月。研究纳入英语沟通的成年患者（≥18岁），且均已预约单一主诉的急诊门诊。患者在面对面就诊前最多5天与 AMIE 进行交互。AMIE 作为面向患者的对话式AI工具，通过结构化临床访谈获取诊断信息。所有对话均由受过培训的医师安全监督员实时监控；如出现预设安全阈值——例如AI输出错误或有害信息——即可介入。对话记录及AI生成的就诊摘要会在就诊前提供给初级保健提供者（Primary Care Providers，PCP）。结局指标包括：监督员发起的对话安全中止次数；由临床评价者和患者通过多维度量表独立评分的对话质量；以及交互后通过患者和PCP问卷评估的AI态度。该研究已在 ClinicalTrials.gov 注册（NCT06911398），并由 Alphabet 资助。
主要结果
共有114例患者同意参与，其中98例完成了 AMIE 交互及后续 PCP 就诊。值得注意的是，依据预设标准，监督员未触发任何对话安全中止，提示该AI系统具有良好的安全性概况。尽管如此，监督员记录到1例AI“幻觉”——即生成了临床上不适当或无根据的信息——并在5例中补充了临床信息，以维持数据完整性。
临床评价者在17项质量标准中，对87%–100%的病例给出了肯定评价，提示AMIE在临床内容和共情式互动质量方面表现稳健。患者在16个评价维度中，对48%–96%的病例给予积极评分，显示出较强的用户参与度。此外，患者在与系统交互后对AI的态度显著改善，而且在医师就诊后这一积极效应仍得以维持，提示AI参与增强了患者的整体开放性和接受度。
从PCP角度看，共完成60例就诊后的问卷。在44例就诊中，PCP在会诊前查看了 AMIE 记录，其中33例认为AI摘要有助于就诊准备。此外，在这44例中的25例里，PCP表示AI输入可能影响了临床行为，提示AI数据已被纳入诊断和管理推理过程。这些发现强调，对话式AI工具有潜力在不取代关键的人类判断的前提下补充临床工作流程。
专家点评
这项针对门诊急诊初级保健中诊断型对话式AI的开创性前瞻性评估，为其在门诊场景中的安全部署提供了有力的概念验证。未出现安全中止，与严格的监督机制和预定义安全指标相一致；不过，检出1例幻觉事件也再次强调，在早期实施阶段持续进行人工监督的必要性。
临床医生和患者给出的高评分提示，设计良好的AI系统能够同时满足临床相关性和以患者为中心的沟通标准。患者在与AI交互后态度改善，凸显了其在提升患者参与度方面的重要价值，并可能进一步改善依从性和满意度。
不过，该研究也存在局限性，包括单中心设计、纳入英语沟通的成年人群，以及仅聚焦单一主诉，这些因素可能限制结果的推广性。未来应开展更长期研究，以评估其对诊断准确性、临床结局、工作流程效率及成本效益的影响。此外，将AI输出整合至电子病历系统，以及开展临床医生培训，都是关键的下一步。
结论
本研究初步证实，对话式诊断AI系统在门诊急诊初级保健中的可行性、安全性和可接受性。研究表明，面向患者的AI可安全采集诊断信息，改善临床接诊前准备，并积极影响患者对AI的态度，从而代表着向临床转化迈出的重要一步。随着进一步验证和规模化应用，对话式AI有望增强初级保健服务能力，并应对当前诊断质量与临床工作负荷方面的挑战。
资助与试验注册
本研究由 Alphabet 资助。试验已在 ClinicalTrials.gov 注册，编号为 NCT06911398。
参考文献
Brodeur PG et al. Conversational diagnostic artificial intelligence in ambulatory primary care: a prospective feasibility study. Lancet. 2026 Oct 8; PMID: 42849491.
Topol EJ. Deep Medicine: How Artificial Intelligence Can Make Healthcare Human Again. Basic Books; 2019.
Chen JH, Asch SM. Machine Learning and Prediction in Medicine — Beyond the Peak of Inflated Expectations. N Engl J Med. 2017 Jun 29;376(26):2507-2509.
