LLM 医疗分诊中的隐式地理推断：紧急建议中语言驱动的差异

我们调查 大语言模型 是否仅根据患者提示的语言对相同症状产生不同的医疗分诊建议。使用 Gemini 3.5 Flash，我们评估了六种语言（英语、西班牙语、中文、印地语、日语、阿拉伯语）的神经症状特征（持续性头痛、视力模糊、恶心），每种情况运行 30 次（n = 450 次 API 调用总数）。我们发现，该模型建议急诊就诊率从 0%（日语、印地语）到 30%（英语、阿拉伯语）不等，尽管所有语言的严重程度分数几乎相同 (7.7-8.0/10)。添加指定患者美国位置的单个句子可将非英语提示的 ER 建议提高高达 76.7 个百分点，而反向锚点（带有东京位置的英语提示）可将 ER 率从 30% 降低至 6.7%。反向翻译控制（日语到英语）产生与英语基线相当的 ER 率，确认差异不是由翻译质量引起的，而是由输入语言的隐式地理推断引起的。我们发布了完整的数据集、实验代码和结果。