问诊前大模型智能体：病史采集评分高出17.7分，耗时却更长

核心要点

• 问题：病史采集是诊疗的第一步，但门诊医生时间有限，病史常问不完整、质量参差，直接拖累后续诊断。
• 方法：中山大学中山眼科中心开展单中心随机对照试验，172 名非急诊患者按 1:1 随机分到「大模型智能体问诊」或「眼科住院医师问诊」两组，智能体采用双智能体架构、症状导向逻辑树，基于本地微调的 Qwen2.5-72B 模型。
• 结果：智能体组的 MedHistory 病史质量评分高出 17.7 分（95% CI 14.1–21.3，P < 0.001），耐心与共情评分也更高，但交互耗时更长（中位 11.2 vs 3.1 分钟）；仅凭病史的诊断 F1 为 0.85 vs 0.68。
• 意义：大模型智能体可标准化病史采集，支持「AI 问诊、医生查体诊断」的混合工作流，但这是单中心、单一任务的研究，未测临床结局，不能替代医生。
• 原文：Standardized pre-consultation by a large language model agent vs ophthalmology residents: a randomized clinical trial，npj Digital Medicine，2026-10-05

1. 病史采集的临床挑战：时间紧、问不全

问诊和病史采集（medical history taking）是临床诊疗的起点，也是医生判断「该查什么、往哪想」的依据。但现实里这一步往往被压缩：门诊量大、单个患者时间有限，医生只能抓重点，遗漏的细节可能在后面导致误判或重复检查。

以眼科为例，很多症状（视力下降、眼痛、复视等）本身不具备特异性，全靠病史里的起病方式、诱因、伴随症状来区分方向。一份问得完整的病史，能显著提高诊断效率；反过来，问不全就会把诊断压力全部压到后面的查体和检查上，甚至造成漏诊、误诊或过度检查。

这项研究想验证的，正是能不能让大语言模型（large language model，LLM）智能体来承担问诊前病史采集，把医生的时间省下来，同时又保证病史质量不降反升。

2. 核心创新：双智能体 + 症状导向逻辑树

研究由中山大学中山眼科中心的团队完成，2026 年 10 月 5 日在线发表于 npj Digital Medicine。创新点有三。

第一，双智能体架构。这套系统不是单个对话模型，而是两个智能体协作：一个负责与患者交互提问，另一个负责把对话整理成结构化的临床笔记，各司其职，减少「边聊边记」带来的遗漏。

第二，技能化、症状导向的逻辑树。智能体不是漫无目的地自由问答，而是按照眼科症状的逻辑树逐层追问，用技能化的方式引导提问，保证问诊顺序一致、覆盖全面，避免凭印象跳问。

第三，本地部署微调的开源模型。干预用的是本地部署、经微调的 Qwen2.5-72B 模型，而非外部 API（如 GPT-4o），这既符合医院数据不出院的诉求，也说明大模型智能体并不依赖某个特定闭源产品。需要说明，论文里出现的 GPT-4o 只用于一个单独的模型基准对比，不是给 172 名患者问诊的那个系统。

3. 技术原理：一问、一记、再结构化

通俗地说，系统的输入是患者的主诉，处理流程大致三步。

第一步问：一个智能体用语音或文字向患者提问，沿着症状导向逻辑树逐层展开，比如先问主诉、再问起病时间、诱因、伴随症状等，形成有序的对话。

第二步记：另一个智能体把整段对话自动整理成结构化的临床笔记（clinical note），把零散的回答收敛成条理清晰的病史条目，方便医生快速浏览、抓住关键信息。

第三步交：这份整理好的病史交给随后接诊的医生，医生在此基础上查体、判断并完成诊断，智能体并不越过医生做任何诊疗决定。

需要厘清：这个系统测的是一个问诊前的病史采集环节，不是完整的诊疗或自主决策。它的产出是「一份质量更高的病史」，最终的诊断、治疗仍由医生完成，因此定位是「辅助工作流」而非「替代医生」。

4. 数据说话：评分高 17.7 分，但耗时近 4 倍

研究在 2025 年 5 月 10 日至 6 月 10 日间招募，175 名就诊患者中有 172 名非急诊患者入组并 1:1 随机，中位年龄 56 岁、女性占 55%。核心结果如下。

最值得关注的是主终点：在 MedHistory 病史质量评分（0–100 分）上，智能体组比住院医师组高出 17.7 分，校正后均值差 17.7（95% CI 14.1–21.3），且该差异在盲法评分下仍然成立——负责打分的资深专家并不知道病史出自哪一组。

但要把话说全。智能体的交互耗时中位 11.2 分钟，是住院医师 3.1 分钟的约 3.6 倍，这是明显的成本项；而探索性分析发现，仅凭病史时智能体诊断 F1 更高（0.85 vs 0.68），可一旦加入眼部查体发现，住院医师的提升更明显（交互效应 -0.19，P = 0.003），差距随之缩小——说明体格检查仍是医生不可被替代的环节。

5. 从实验室到临床：应用前景与局限

应用前景上，这套智能体可能用于门诊高峰期的「预问诊」环节：患者在候诊时先和智能体完成病史采集，医生接诊时直接拿到结构化病史，把时间留给查体和诊断判断。这与本站此前解读的大模型辅助术前沟通同属「大模型进入临床工作流」的方向，也与自主多模态眼科AI智能体（AgentEYE）相呼应，都指向「AI 做基础采集、医生做关键判断」的分工。

局限至少三条。其一，这是单中心研究，仅在一家三级眼科医院开展，结论能否迁移到社区诊所、其他语言和医疗体系尚不清楚；其二，它测的是「病史采集」这一窄任务，没有验证对延迟诊断、视力结局等患者层面的影响；其三，智能体耗时更长，若需要专人监督或反复纠正，反而可能增加工作量，总就诊时间和人力负担未被评估。

6. 结论与产业启示

这项随机对照试验给出了一个扎实的结论：双智能体大模型智能体做问诊前病史采集，病史质量显著优于住院医师（评分高 17.7 分），耐心与共情评分也更高，但交互耗时更长，且查体环节仍是医生不可替代的部分。

对医疗AI产业有三点可执行建议：一是把智能体定位为「预问诊、结构化病史」这类边界清晰、可回退的任务，而不是直接替代医生的诊断；二是正视「质量高但耗时」的权衡，落地时评估总就诊时间与人力负担，而非只看单点指标，这正是「医疗AI评估验证」的应有之义；三是多智能体架构让「问」和「记」分离，是「医疗多智能体工作流」在真实门诊里一次有价值的落地尝试，后续应做多中心、多病种的验证。

相关问题

Q：这个大模型智能体现在能直接用于临床吗？

A：不能直接推广。它是单中心、单一任务的研究，只验证了病史采集这一环节，没有测患者层面的临床结局，也未见多中心或监管审批，目前属于研究原型。

Q：它会替代医生吗？

A：不会。研究明确显示，加入眼部查体后住院医师的诊断提升更明显，差距缩小，说明体格检查和诊断综合仍依赖医生。智能体更适合做候诊时的「预问诊」辅助。

Q：它对中国医院有什么意义？

A：它示范了「AI 问诊、医生查体」的混合工作流，理论上可帮门诊高峰省出医生时间、提升病史质量；但模型是否适应中国不同层级医院和方言场景，仍需多中心验证。

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
2. Luo MJ, Bi S, Pang J, et al. A large language model digital patient system enhances ophthalmology history taking skills. npj Digital Medicine. 2025;8(1):502. DOI: 10.1038/s41746-025-01841-6

本文基于 Standardized pre-consultation by a large language model agent vs ophthalmology residents: a randomized clinical trial 的独立解读，仅供学术交流，不构成临床建议。