An LLM chatbot to facilitate primary-to-specialist care transitions: a randomized controlled trial（2026-07-01）

一场“转诊革命”正在悄然发生。从家庭医生到专科医生的交接，曾经是医疗流程中最脆弱、最易出错的环节之一——检查报告丢失、病史遗漏、沟通断层。但一项最新的随机对照试验（RCT）带来了令人振奋的答案：一个基于大型语言模型（LLM）的聊天机器人，正在让这段“过渡期”变得顺畅、精准，甚至让患者主动参与其中。

研究核心：当AI开始“接棒”医疗沟通

研究设计：严谨的人机协作验证

这项发表在《柳叶刀数字健康》子刊的RCT，纳入了来自20家社区诊所的842名需要转诊至专科的成年患者。他们被随机分为两组：

• 干预组（423人）：在收到转诊通知后，可使用一个名为“BridgeChat”的LLM聊天机器人，它能解答转诊流程、专科医生关注要点、检查准备等疑问，并自动将患者的问题和偏好摘要发送给专科医生。
• 对照组（419人）：接受常规转诊流程（电话或纸质通知）。

关键数据：数字背后的改变

• 转诊完成率：干预组为86.3%，比对照组（72.1%）提高了14.2个百分点。这相当于每7位转诊患者中，就多出1位顺利完成了专科过渡。
• 信息完整度：专科医生评估发现，干预组转诊信息中“关键病史记录完整”的比例高达91%（对照组为67%）。这直接减少了重复检查和诊断延迟。
• 患者满意度：84%的用户表示“聊天机器人让我的准备更充分”，尤其体现在预约时间、需要携带的材料以及对病情恶化的“预警信号”认知上。

真实场景：从焦虑到掌控的转变

案例：一位糖尿病患者的转诊故事

56岁的周女士刚被家庭医生确诊为2型糖尿病，需要转诊至内分泌科。面对复杂的检查清单和等待时间，她一度想推迟治疗。通过BridgeChat，她不仅获取了具体的饮食调整建议（转诊前），还被提醒“请携带3个月的血糖记录，并提前1天禁食”。专科医生收到她的聊天摘要后发现，周女士在问诊时主动说出了“我早上空腹血糖偏高但餐后正常”——这正是转诊前AI通过对话帮她梳理出的关键特征。

专科医生表示：“以前的转诊像把患者扔进黑箱子，现在我看到的是清晰的病历档案和患者自己的思考。”

实用建议：如果AI转诊走进你的生活

患者端：如何让AI帮你“通关”转诊？

1. 主动提问：别怕琐碎。将用药时间、疼痛频率、家族病史等细节通过聊天机器人记录，AI会自动归类并提醒你在专科面诊时重提。
2. 配合结构化回答：比如“请用3句话描述您的核心症状”——这种模式能让AI更精准地抓取转诊核心信息。
3. 定期查看更新：部分机器人提供“转诊进度跟踪”功能，推送预约状态、检查提醒甚至专科医生的初步分析。

医生端：用好AI的“桥梁作用”

• 预先设置转诊模板：指示聊天机器人收集“专科医生真正需要的3项核心指标”（如影像学、实验室数据、药物清单），避免患者随意提问。
• 每周回顾摘要：研究建议专科医生花5分钟浏览“患者聊天摘要”，可减少70%的问诊追问时间。

行动号召：拥抱不完美的“过渡伙伴”

别等转诊彻底出错再后悔。如果你是患者，可以在下次收到转诊通知时，主动询问“有没有AI助手能用？”如果你是医生或医院管理者，可以考虑将这类LLM工具纳入转诊流程，哪怕只是作为信息收集的后台工具。这项研究告诉我们：技术的价值不在于替代人类，而在于填补最容易被忽视的缝隙。

现在就做这一件事

• 患者：打印转诊单时，在背面写下“我需要提前准备什么？”并尝试用手机搜索相关AI健康助手（注意选择合法平台）。
• 医疗从业者：本周内，至少向一位转诊患者提供文字版的“转诊准备清单”，并观察沟通效率的变化。

免责声明：本文内容基于2026年7月1日发布的《大型语言模型聊天机器人辅助初级-专科护理过渡的随机对照试验》研究论文。该研究中的聊天机器人BridgeChat为特定开发版本，其效果可能与通用AI工具不同。文中案例为基于研究数据的模拟场景，不构成具体医疗建议。如有转诊需求，请务必遵循主治医生的指导，并优先使用经官方认证的医疗数字工具。AI工具不能替代专业医师的面诊与诊断。