PulseAugur
中
实时 09:00:46
English(EN) Improving Medical Communication using Rubric-Guided Counterfactual Recommendations

AI系统通过改进远程医疗沟通提升患者反馈 · 追踪2个来源

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了一个新的语言模型指导系统，旨在改进基于文本的远程医疗沟通。该系统分析患者与医生的互动，以识别和优化语气和完整性等沟通特征，目标是在不改变医疗内容的情况下增加获得积极患者反馈的可能性。该系统生成的建议显示，预测的积极反馈概率平均提高了6.41%，并且在超过93%的情况下为非负值，这表明微小、可解释的改变可以在保持医生控制权的同时显著提高沟通质量。 AI

影响 该AI系统可以通过向医疗服务提供者提供可操作的沟通反馈，来提高远程医疗中的患者满意度和依从性。

排序理由 该集群包含一篇在arXiv上发表的研究论文，详细介绍了一个用于改进医疗沟通的新AI系统。

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

报道来源 [2]

  1. arXiv cs.CL TIER_1 English(EN) · Adrian Cosma, Nicoleta-Nina Basoc, Andrei Niculae, Cosmin Dumitrache, Emilian Radoi ·

    Improving Medical Communication using Rubric-Guided Counterfactual Recommendations

    arXiv:2606.18889v1 Announce Type: new Abstract: Text-based telemedicine increasingly relies on lightweight patient feedback, however, such feedback primarily reflects perceived communication quality rather than medical accuracy. We introduce an LM-guided counterfactual recommenda…

  2. arXiv cs.CL TIER_1 English(EN) · Emilian Radoi ·

    Improving Medical Communication using Rubric-Guided Counterfactual Recommendations

    Text-based telemedicine increasingly relies on lightweight patient feedback, however, such feedback primarily reflects perceived communication quality rather than medical accuracy. We introduce an LM-guided counterfactual recommendation pipeline that discovers and refines interpr…

相关实体

相关话题