荷兰学术医院LLM生成出院小结一期实施显示高采用率

arXiv cs.CL 论文
llm healthcare discharge-summaries ehr clinical-pilot

摘要

荷兰某学术医院9周试点显示，58%住院病例使用了LLM生成的出院草稿，87%临床医生报告文档时间减少，91%计划继续使用。

arXiv:2604.19774v1 公告类型：新增 摘要：撰写用于移交医疗信息的出院小结是一项重要但耗时的任务，可由大型语言模型（LLM）辅助完成。本前瞻性混合方法试点研究评估了一款集成于电子病历（EHR）的LLM生成出院小结草稿的效果。在9周内，本院21名住院医师和4名医师助理共在临床实践中生成了379份出院小结草稿。58.5%的住院病例复制了LLM生成的文本，29.1%的最终出院信中可识别出LLM内容。值得注意的是，86.9%的用户自报文档时间减少，60.9%报告行政工作量降低。试点后续使用意愿高达91.3%，支持该用例的进一步落地。准确测量用户在出院小结上的文档时间仍具挑战，但对未来LLM辅助文档的外在评估必不可少。
查看原文
查看缓存全文

缓存时间: 2026/04/23 10:02 

# 荷兰学术医院 LLM 生成出院小结一期实施：采用率亮眼  
来源：https://arxiv.org/abs/2604.19774  
查看 PDF（https://arxiv.org/pdf/2604.19774）

> 摘要：撰写出院小结以传递医疗信息至关重要，却耗时费力，而大型语言模型（LLM）可为此提供助力。本项前瞻性混合方法试点研究评估了与电子病历（EHR）集成的 LLM 生成出院小结草稿的效果。在 9 周内，我院 21 名住院医师与 4 名助理医师共在临床实践中生成了 379 份出院小结。其中 58.5% 的入院记录复制了 LLM 生成的文本，最终出院信函中可识别出 LLM 内容的比例为 29.1%。值得注意的是，86.9% 的用户自述文档时间减少，60.9% 认为行政负担降低。试点结束后，愿意继续使用率高达 91.3%，支持该用例进一步落地。精确测量用户撰写出院小结的文档时间仍具挑战，但这对未来评估 LLM 辅助文档的外在效果必不可少。

## 提交历史

来自：Nettuno Nadalini [查看邮件](https://arxiv.org/show-email/3099e276/2604.19774) **\[v1\]** 2026 年 3 月 27 日 16:21:33 UTC（448 KB）

相似文章

人机对话提升急诊诊疗的诊断准确性

arXiv cs.AI

本研究评估了通过与大型语言模型（LLM）的交互式对话（通过 MedSyn 系统）如何提高急诊科医生在急诊环境中的诊断准确性，结果显示住院医师在处理疑难病例时的诊断准确率有显著提升。