眼科问诊前的病史谁来采集？双智能体LLM问诊智能体随机对照试验：问诊质量超住院医师17.7分、诊断F1达0.85

研究背景：门诊问诊前的病史采集为什么是个瓶颈？

病史采集是临床工作的第一步，也是后续诊断与用药决策的根基。但在真实门诊里，这一步常常是资源最紧张、最容易「缩水」的环节：医生时间有限，患者又多，问诊往往被压缩成几分钟的快速问答，漏问、错问在所难免。

更现实的问题是，病史采集的质量高度依赖医生的经验。资深医生知道该顺着哪条线索追问、该排除哪些「危险信号」，而年轻住院医师往往还在练这个基本功。于是「问诊质量」成了制约诊断准确率的隐性短板。

大语言模型（LLM）恰好擅长对话与追问——那么，它能不能接手「问诊前」这段病史采集，把医生从重复劳动里解放出来？中山大学中山眼科中心团队用一个真实的随机对照试验（RCT）给出了答案。

创新点：双智能体 + 症状导向逻辑树，把问诊标准化

团队研发的问诊前 LLM 智能体，核心是双智能体架构 + 技能化症状导向逻辑树。它不是让一个模型「自由发挥」，而是把问诊拆成一条条结构化的追问路径：

• 一个智能体负责「问」：按患者主诉的症状，沿逻辑树逐层追问病史细节；
• 另一个智能体负责「整理」：把对话实时归纳成结构化、可复用的病史记录。

这套设计的价值，在于把「资深医生脑子里那套追问思路」固化成可复制的流程，让每一位患者都能得到标准化、不缩水的问诊。

技术原理：这个「医院AI助手」怎么工作？

从功能上看，这个问诊智能体就是一个面向门诊的医院 AI 助手，工作方式可以概括为三步：

• 接诊：患者进入诊室前，先与智能体完成一段问诊对话；
• 追问：智能体依据「症状导向逻辑树」，围绕主诉主动追问关键病史与危险信号；
• 输出：生成一份结构化病史摘要，交给医生作为诊断的起点。

试验在广州一家三级眼科医院开展。2025 年 5 月 10 日至 6 月 10 日，共 175 例问诊患者中，172 例非急诊预约患者按 1:1 随机分配到「LLM 智能体组」或「眼科住院医师组」。

数据说话：RCT 里它比住院医师好在哪、差在哪？

试验结果相当清晰，智能体在「问诊质量」上全面领先：

几个关键结论值得拆开看：

• 问诊质量显著更优：以 MedHistory 评分（0–100 分）衡量，智能体组的校正后均值高出住院医师 17.7 分；
• 更耐心、更有同理心：患者对智能体的耐心与共情评分（均为 5 分）都高于住院医师（4 分、3 分）；
• 交互时间反而更长：智能体中位交互 11.2 分钟，是住院医师 3.1 分钟的 3 倍多——它愿意慢慢问，患者也愿意慢慢说；
• 检查推荐无显著差异：各阶段的检查推荐性能两组相当。

最亮眼的还是探索性结果：仅凭病史采集，智能体的诊断准确性 F1 达 0.85，显著高于住院医师的 0.68（P<0.001）。但要注意另一面——眼部体征带来的提升在住院医师中更显著（交互效应 −0.19，P=0.003），也就是说一旦加上「看眼睛」这一步，两者差距被明显缩小。这恰恰点出了智能体的边界：它擅长「问」和「归纳」，但「查体」仍需医生。

应用前景与局限

这项研究的价值，不在于「AI 又一次赢了医生」，而在于它给出了一种更务实的分工思路：让智能体承担标准化、可复制的病史采集，把医生最宝贵的精力留给体格检查与诊断综合——即所谓的混合工作流（hybrid workflow）。

局限也要讲透：这是单中心研究，样本仅 172 例，且是眼科这一相对专科化的场景；交互时间更长虽然换来了更细的问诊，但在门诊量大的现实压力下，「11 分钟 vs 3 分钟」的效率代价如何消化仍需评估；诊断准确率目前只来自病史这一单一信息源，加入影像与体征后的整体表现还需验证。

结论

这项随机对照试验证明了一件具体的事：经过工程化设计（双智能体 + 症状导向逻辑树）的 LLM 智能体，能把「问诊前病史采集」做得比住院医师更标准、更耐心、更完整，并据此拿到更高的诊断准确率。

它也划清了边界：智能体的强项是「问得全、归纳得清」，而「看得准（查体）」仍是医生的不可替代之处。两者叠加，才是一个站得住的「医院 AI 助手」落地路径——AI 把数据采标准，医生把判断做扎实。

论文原文信息地址：https://www.simoagent.com/blog/2026-10-12-llm-agent-preconsultation-ophthalmology-rct/

参考文献

1. Luo MJ, Lai Y, Wang W, et al. Standardized pre-consultation by a large language model agent vs ophthalmology residents: a randomized clinical trial. npj Digital Medicine, 2026. DOI: 10.1038/s41746-026-03232-x

相关问题

什么是临床决策智能体？

临床决策智能体（clinical decision agent）是一种嵌入临床工作流的医疗 AI——它不只回答提问，还会主动采集信息、按结构化流程追问、归纳输出，并据此辅助诊断决策，全程把最终判断留给医生。它和普通聊天机器人的区别在于：前者「贴着真实问诊流程跑、有追问有归纳、可结构化输出」，后者只在你提问后给一段文字答案。本文这个眼科问诊智能体就是典型一例——双智能体架构 + 症状导向逻辑树，先把病史采标准，再帮医生做诊断综合。

为什么智能体问诊更细，诊断 F1 却仍被医生靠查体追上？

因为两者擅长的事不同。智能体「问得全、归纳得清」——仅凭病史，它的诊断准确性 F1 达 0.85，显著高于住院医师的 0.68（P<0.001）。但「看眼睛」这类查体信息是智能体拿不到的：一旦加入眼部体征，住院医师的诊断提升更显著（交互效应 −0.19，P=0.003），差距被明显缩小。这说明智能体的边界在「采集与归纳」，而「体格检查」仍是医生不可替代的环节——两者叠加才是完整的人机协同。

这个问诊智能体会替代眼科医生吗？

不会。它的定位是「问诊前」的标准化病史采集助手，属于混合工作流里的一环：智能体把病史采全、采标准，医生把精力集中在体格检查与诊断综合。研究也显示，检查推荐性能两组无显著差异，最终诊疗责任仍在医生。它更像一位「耐心十足的问诊前助手」，替医生做完最费时的重复劳动，而不是替代医生的判断。