论文
从出院笔记到患者理解：大语言模型作为出院教育者的基于角色的开放式模拟
From Discharge Notes to Patient Understanding: Persona-Grounded, Open-Ended Simulation of LLMs as Discharge Educators
摘要
出院教育是一项互动教学任务：临床医生根据患者的识字能力、记忆力和性格调整出院计划。现有的大语言模型评估针对静态或工件生成任务，并且不衡量开放式对话下患者的理解。我们引入了 DischargeBench，这是一种基于角色的模拟，其中候选大语言模型教育者与虚拟患者进行多回合会话，而教育监控代理则在不修改教育者的情况下调节患者的真实性，从而保护评估信号。我们策划了 MIMIC-IV-Ext-DischargeBench，涵盖 24 个 ICD 章节的 477 个病例，并以人物轴（个性、教育水平、健康素养、既往病史回忆）进行分层分析。每次模拟均由大语言模型法官根据医生注释在四个轴上进行评分——对话质量、主题检查表、理解力和事实一致性。在封闭和开源大语言模型中，总分掩盖了 ICD 章节和患者角色之间的临床相关差异；困难的人物角色暴露了覆盖失败、理解差距和来源-答案一致性的降低。出院教育的大语言模型评估应以患者的理解为中心，而不仅仅是文本质量或答案准确性。