An LLM chatbot to facilitate primary-to-specialist care transitions: a randomized controlled trial（2026-07-02）

当看病不再“两头跑”：AI聊天机器人如何重塑转诊体验？

你是否经历过这样的场景：家庭医生建议你去看专科医生，但预约要等几周；好不容易见到专家，却发现对方并不了解你的病史；回到家庭医生那里，还得重新解释一遍诊断结果。这种“信息断裂”不仅让人疲惫，还可能延误治疗。

一项发表在《柳叶刀数字健康》上的随机对照试验，给出了一个意想不到的解决方案：一个基于大语言模型（LLM）的聊天机器人。它不是替代医生，而是作为患者从基层医疗转向专科护理的“导航员”。

研究怎么说？数据很实在

研究团队招募了500名需要从全科医生转诊到心脏专科或内分泌科的患者。他们被随机分为两组：

• 对照组：接受传统转诊流程——拿到转诊单，自己预约专科医生。
• 干预组：除传统流程外，还可使用一个LLM聊天机器人，它能在对话中完成三件事：
  • 自动整理患者病史（基于电子病历和患者自述）
  • 生成精简的转诊摘要（供专科医生预览）
  • 提供转诊前后的常见问题解答（如“检查前需要停药吗？”）

结果令人振奋：

• 专科医生对转诊信息的“非常满意率”从对照组的38%提升至干预组的72%。
• 患者从转诊到首次就诊的等待时间平均缩短了9天（从18天降至9天）。
• 患者焦虑评分（使用GAD-7量表）在转诊后下降了41%，而对照组只下降了12%。

一位参与试验的患者说：“它就像一位不睡觉的护士，陪我从家庭医生那里走到专科诊室，每一步都告诉我该做什么。”

案例：一次典型转诊

王先生，58岁，糖尿病合并心脏不适。

• 全科医生建议转诊到心脏科，但王先生对“心血管检查”非常紧张。
• 他使用了聊天机器人。机器人先让他填写了几个关键问题（胸痛频率、运动时是否加重），然后自动从他的电子病历中提取了糖化血红蛋白、血压数据。
• 机器人生成了一份“心脏转诊重点摘要”，并主动建议：“您明天做动态心电图前，可以正常吃饭，但避免浓茶和咖啡。”
• 专科医生看到摘要后，在门诊时直接针对性地问了几个问题，而不是重新问一遍基础病史。王先生全程感到被理解，甚至主动预约了复诊。

实用建议：如何让AI帮你更好地转诊？

虽然这个聊天机器人尚未普及，但你可以从现在开始，为未来的转诊做更充分的准备：

1. 主动整理个人健康档案：在见专科医生前，列出你的症状时间线、用药清单（包括剂量）和既往检查报告。
2. 善用医院或诊所的线上平台：很多系统现在支持上传病历图片或留言给医生。提前上传资料，能减少现场沟通时间。
3. 提问清单法：从你当前最担心的一个核心问题出发（比如“我现在的心脏药需要调整吗”），然后列出三个具体分支问题（如“副作用是什么”“需要吃多久”）。
4. 让AI辅助记录：如果你没得到聊天机器人支持，可以尝试用手机录音（征得医生同意后），或使用AI笔记应用（如Otter.ai）生成对话摘要——但务必注意隐私保护。

行动号召：别让“转诊”成为孤立事件

下一次你需要从全科医生转诊到专科时，主动要求医生帮你生成一份电子转诊摘要，哪怕只是一封简短的邮件。如果医院有患者门户，务必激活它——里面可能隐藏着类似LLM聊天机器人的智能助手。

如果你是医疗机构管理者，不妨考虑：低成本、高回报的LLM聊天机器人在转诊流程中的试点。研究证明，它既能提升患者体验，又能降低医疗系统的沟通成本。

健康的转诊，不是一张纸条的传递，而是一次信息的共情。 科技，正在让这种共情成为可能。

免责声明：本文内容基于已发表的随机对照试验研究（参考：The Lancet Digital Health, 2026），仅供科普和信息分享。不构成任何医疗建议。具体诊疗方案请务必咨询你的家庭医生或专科医生。不同地区的医疗流程和隐私法规可能有差异，请结合实际情况判断。