在全球醫療資源分布不均、初級保健人力持續緊張的背景下，人工智能 (AI) 如何在真實醫療場景中被設計與應用，尤其是在農村等資源相對匱乏地區，已成為醫療健康AI研究持續關注的重要議題。
2026年1月19日，院校群醫學及公共衛生學院（群公學院）韓莎莎師生團隊在該領域取得重要進展。其圍繞協同設計方法及基于該方法開發的大語言模型（LLM）聊天機器人開展的兩項研究成果，同日在國際頂級學術期刊 Nature Medicine 與 Nature Healt h發表。
兩項研究并未止步于技術性能或算法效果的驗證，而是立足于中國基層醫療與醫院服務的真實情境。該研究在多樣化的實際醫療環境中開展，覆蓋不同資源條件與服務結構場景，包括醫療資源相對不足、網絡條件受限的農村地區，并重點關注老年人及教育水平較低人群，探索人工智能如何在復雜本土醫療健康體系中發揮切實作用。
研究通過隨機對照試驗，系統評估了AI工具在真實醫療場景中的應用效果，并在方法層面揭示：協同設計有助于提升AI工具的公平性、可及性與實際可用性。研究團隊同時在Springer Nature社區分享了幕后故事，回顧研究開展過程中的經驗與反思。
發表在 Nature Medicine 的研究題為"An LLM chatbot to facilitate primary-to-specialist care transitions: a randomized controlled trial"，關注醫院就診效率與服務質量瓶頸——從初級診療到專科診療銜接階段的醫療流程。 群公學院韓莎莎助理教授與桂林醫科大學第一附屬醫院馬禮兵教授為論文共同通訊作者；群公學院博士研究生陶新戈、碩士研究生周書雅及桂林醫科大學第一附屬醫院博士研究生丁鎧為論文共同第一作者。
研究團隊在前期基層與醫院調研基礎上，與患者、家屬、社區工作者及醫護人員共同參與設計，開發了用于患者預評估的聊天機器人PreA（Pre-assessment），用于在就診前輔助收集患者信息，并生成結構化報告供醫生參考，其核心目的在于支持信息收集與醫患溝通，而非替代醫生臨床判斷。
該研究在我國西部地區兩家三甲醫院開展隨機對照試驗，包括24個科室，共納入2069名患者。研究結果顯示，PreA有助于醫生在更短時間內了解患者情況，提升照護協調效率，改善醫患溝通質量；進一步分析表明，該工具的使用并未導致醫生對AI報告的盲目采納。
發表在 Nature Health 的研究題為"A community-codesigned LLM-powered chatbot for primary care: a randomized controlled trial"，關注農村與基層初級醫療場景中醫療資源相對不足的問題。群公學院韓莎莎助理教授與北京大學鄒磊教授為論文共同通訊作者；群公學院碩士研究生黎賽然與北京師范大學講師李彥增為論文共同第一作者。
研究提出“雙軌角色扮演”的協同設計方法，邀請來自我國11個省份的患者、照護者及社區工作者與研究人員共同參與設計過程。通過角色互換與情境模擬，參與者從不同立場出發討論實際需求，共同開發出面向基層初級診療的健康咨詢的聊天機器人P&P Care（Population Medicine & Public Health）。
該隨機對照試驗共納入2100余名參與者，其中59.1% 來自農村地區。研究結果顯示，使用P&P Care的參與者在健康信息理解與咨詢表達等方面呈現出穩健改善趨勢，中老年人群及女性群體的改善更為明顯。研究表明，在基層醫療場景中，通過多方參與的協同設計方式，是加強AI工具文化適應性、融入本地經驗，從而使其有效融入社區健康服務實踐的關鍵路徑。
綜合來看，兩項研究從不同層面回應了同一個核心問題：在資源相對有限的環境中，醫療健康AI工具的實際價值不僅取決于技術能力本身，也與其是否在開發過程中充分嵌入真實醫療場景、吸納多方經驗密切相關。研究顯示，將技術研發與具體醫療實踐相結合，并尊重醫護人員與社區的既有工作方式，有助于提升AI工具在現實場景中的應用潛力。
兩項研究由韓莎莎領銜，聯合北京大學、北京師范大學、騰訊微信AI、桂林醫科大學第一附屬醫院、甘肅醫學院附屬醫院等單位共同完成，并得到國家自然科學基金、中國醫學科學院醫學與健康科技創新工程等項目的支持。
論文信息：
Tao, X., Zhou, S., Ding, K. et al. An LLM chatbot to facilitate primary-to-specialist care transitions: a randomized controlled trial. Nat Med (2026). https://doi.org/10.1038/s41591-025-04176-7
Li, S., Li, Y., Zhou, S. et al. A community-codesigned LLM-powered chatbot for primary care: a randomized controlled trial. Nat Health (2026). https://doi.org/10.1038/s44360-025-00021-w
幕后故事 （Behind the paper）：
Building a primary care chatbot with people, not for them.
https://communities.springernature.com/posts/298529
Why building AI for healthcare requires stakeholders, not just a dataset.
https://communities.springernature.com/posts/301897
供稿：群公學院
