在全球医疗资源分布不均、初级保健人力持续紧张的背景下，人工智能 (AI) 如何在真实医疗场景中被设计与应用，尤其是在农村等资源相对匮乏地区，已成为医疗健康AI研究持续关注的重要议题。
2026年1月19日，院校群医学及公共卫生学院（群公学院）韩莎莎师生团队在该领域取得重要进展。其围绕协同设计方法及基于该方法开发的大语言模型（LLM）聊天机器人开展的两项研究成果，同日在国际顶级学术期刊 Nature Medicine 与 Nature Healt h发表。
两项研究并未止步于技术性能或算法效果的验证，而是立足于中国基层医疗与医院服务的真实情境。该研究在多样化的实际医疗环境中开展，覆盖不同资源条件与服务结构场景，包括医疗资源相对不足、网络条件受限的农村地区，并重点关注老年人及教育水平较低人群，探索人工智能如何在复杂本土医疗健康体系中发挥切实作用。
研究通过随机对照试验，系统评估了AI工具在真实医疗场景中的应用效果，并在方法层面揭示：协同设计有助于提升AI工具的公平性、可及性与实际可用性。研究团队同时在Springer Nature社区分享了幕后故事，回顾研究开展过程中的经验与反思。
发表在 Nature Medicine 的研究题为"An LLM chatbot to facilitate primary-to-specialist care transitions: a randomized controlled trial"，关注医院就诊效率与服务质量瓶颈——从初级诊疗到专科诊疗衔接阶段的医疗流程。 群公学院韩莎莎助理教授与桂林医科大学第一附属医院马礼兵教授为论文共同通讯作者；群公学院博士研究生陶新戈、硕士研究生周书雅及桂林医科大学第一附属医院博士研究生丁铠为论文共同第一作者。
研究团队在前期基层与医院调研基础上，与患者、家属、社区工作者及医护人员共同参与设计，开发了用于患者预评估的聊天机器人PreA（Pre-assessment），用于在就诊前辅助收集患者信息，并生成结构化报告供医生参考，其核心目的在于支持信息收集与医患沟通，而非替代医生临床判断。
该研究在我国西部地区两家三甲医院开展随机对照试验，包括24个科室，共纳入2069名患者。研究结果显示，PreA有助于医生在更短时间内了解患者情况，提升照护协调效率，改善医患沟通质量；进一步分析表明，该工具的使用并未导致医生对AI报告的盲目采纳。
发表在 Nature Health 的研究题为"A community-codesigned LLM-powered chatbot for primary care: a randomized controlled trial"，关注农村与基层初级医疗场景中医疗资源相对不足的问题。群公学院韩莎莎助理教授与北京大学邹磊教授为论文共同通讯作者；群公学院硕士研究生黎赛然与北京师范大学讲师李彦增为论文共同第一作者。
研究提出“双轨角色扮演”的协同设计方法，邀请来自我国11个省份的患者、照护者及社区工作者与研究人员共同参与设计过程。通过角色互换与情境模拟，参与者从不同立场出发讨论实际需求，共同开发出面向基层初级诊疗的健康咨询的聊天机器人P&P Care（Population Medicine & Public Health）。
该随机对照试验共纳入2100余名参与者，其中59.1% 来自农村地区。研究结果显示，使用P&P Care的参与者在健康信息理解与咨询表达等方面呈现出稳健改善趋势，中老年人群及女性群体的改善更为明显。研究表明，在基层医疗场景中，通过多方参与的协同设计方式，是加强AI工具文化适应性、融入本地经验，从而使其有效融入社区健康服务实践的关键路径。
综合来看，两项研究从不同层面回应了同一个核心问题：在资源相对有限的环境中，医疗健康AI工具的实际价值不仅取决于技术能力本身，也与其是否在开发过程中充分嵌入真实医疗场景、吸纳多方经验密切相关。研究显示，将技术研发与具体医疗实践相结合，并尊重医护人员与社区的既有工作方式，有助于提升AI工具在现实场景中的应用潜力。
两项研究由韩莎莎领衔，联合北京大学、北京师范大学、腾讯微信AI、桂林医科大学第一附属医院、甘肃医学院附属医院等单位共同完成，并得到国家自然科学基金、bat365正版唯一官网医学与健康科技创新工程等项目的支持。
论文信息：
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：群公学院
