近期，来自广州医科大学等机构的研究团队在《自然-健康》（Nature Health）发表了论文“基于全国性即时通讯平台的呼吸评估聊天机器人辅助普通人诊断与分诊的准确性：一项随机预注册研究”（Accuracy of a respiratory assessment chatbot in a nationwide messaging system for layperson diagnosis and triage: a randomized preregistered study），欢迎阅读文章了解详情。
研究背景
当出现咳嗽、气短、胸闷等症状时，你会怎么做？
对于许多人来说，第一反应往往不是预约医生，而是打开搜索引擎。从症状关键词到疾病名称，再到各种五花八门的健康建议，互联网已经成为公众获取医疗信息的重要渠道。然而，面对海量且质量参差不齐的信息，普通人是否真的能够找到正确答案？
随着生成式人工智能的发展，越来越多普通用户开始借助人工智能获取健康信息、理解症状并判断是否需要就医。然而，目前关于人工智能能否提高无医学背景人群的疾病判断能力，尤其是在呼吸疾病初步诊断和分诊方面，仍缺乏大规模前瞻性随机研究。
针对这一问题，研究团队开发了呼吸疾病评估聊天机器人LungDiag，以微信小程序为交互入口，结合GPT-4o与研究团队构建的呼吸疾病知识层，通过检索增强生成技术调用相关呼吸专科知识，为普通用户提供风险因素识别、初步诊断和分诊等方面的辅助。
研究结果
研究共纳入24家医疗机构招募的2400名成年参与者，并随机分配至LungDiag组或网页搜索组。参与者围绕随机分配的呼吸系统疾病病例完成风险因素识别、疾病判断及分诊决策等任务。
结果显示，与传统网页搜索相比，使用LungDiag的参与者总体判断准确率显著提高，由55.4%提升至70.0%。其中，在疾病识别方面提升最为明显，准确率由54.5%提高至81.2%；在风险因素识别方面，准确率由67.5%提高至80.4%。进一步分析显示，LungDiag在识别需要急诊或尽快就医的病例时表现出较高敏感性，能够更有效发现潜在高风险患者。然而，其特异性相对较低，提示系统在部分情况下可能倾向于给出更谨慎的就医建议。
该研究提示，基于人工智能的呼吸疾病评估工具能够显著提升普通公众对呼吸系统疾病的识别能力，并改善健康信息获取质量。研究团队认为，此类工具有望成为公众健康决策的重要辅助资源，但尚不能替代专业医疗诊断，未来仍需在更自然的真实使用场景中进一步验证其有效性和安全性。
论文图2：LungDiag组与传统移动网页搜索组各评估项目准确率
通讯作者：Hengrui Liang、Weiqiang Yin、Jianxing He（广州医科大学第一附属医院）
共同第一作者：Jinghao Liang（广州医科大学第一附属医院），Ying Wang（哈尔滨医科大学附属第四医院），Jingchun Ni、Yiwen Cai（广东医科大学第二临床医学院）
DOI：10.1038/s44360-026-00189-9
发表日期：2026年10月05日
扫码阅读论文全文
《自然-健康》
本刊是2026年1月上线的新刊，旨在通过筛选并发表高质量的健康科学研究，注重研究的原创性、及时性，以及对卫生政策和实践的影响。新刊致力于从综合视角探讨人类健康，在研究人员、医疗专业人士、创新者、政策制定者和公众之间架起沟通合作的桥梁，促进发现与讨论，进而推动改善全球健康、医疗服务获取和全民医疗质量。
开通《自然》系列期刊产品访问权限
Nature Portfolio期刊是多学科研究和综述期刊的合集，自1869年起一直致力于理解、 探讨和分享科学。《自然》系列期刊目前包含43种《自然》系列研究期刊，涵盖生命科学、物理科学、临床医学和社会科学领域，以及27种《自然综述》系列期刊，为您提供权威、易于理解、意义重大的综述内容。
