研究人员分析了2053段真实的患者与聊天机器人对话，以证明用户的沟通模式和情感表达存在广泛差异，从而挑战了人工智能开发中对理想化模拟患者的依赖。他们开发了一个模拟临床内容、情感、策略和风格的模拟器，在图灵启发式评估中，其生成的对话几乎与真实对话无法区分。
- 团队在164个由临床医生评级的案例中使用了五种不同的患者角色，以评估四个大语言模型在紧急程度评估中的表现。
- 分析显示，沟通风格会显著改变分诊结果。
- 人类评级者在区分模拟对话和真实对话方面仅达到55%的准确率。
作者认为，以患者为中心的对话式人工智能必须适应沟通多样性，因为为理想化互动设计的系统在现实部署中可能表现不佳并加剧健康差异。