大语言模型能否预测患者治疗选择？基于离散选择实验框架的研究

Can Large Language Models Predict Patient Treatment Choices? A Discrete Choice Experiment Framework

发布于 2026/9/4 01:14:23（北京时间）

主题标签：未打标（待 AI 补标或人工校正）

研究论文Advanced Causal Inference TechniquesDOI: 10.1016/j.jval.2026.04.006

作者：Tina L. Cheng、Juan Marcos Gonzalez、Matthew M. Engelhard、Shelby Reed、Semra Ozdemir

单位：Duke University；Duke University Health System

摘要

ISPOR 旗下期刊 Value in Health 于 2026 年 9 月发表研究，探讨大型语言模型在离散选择实验框架中预测患者治疗偏好的可行性。作者团队验证了 LLM 模拟患者选择行为的能力，属于健康偏好研究与人工智能方法的交叉探索。

该研究聚焦 AI 在患者偏好建模中的技术可行性，虽未直接关联注册申报或监管路径，但对药企利用数字化工具开展患者中心 endpoint 设计具参考价值，建议关注后续方法学验证进展。

信源权威度

影响范围

合规紧急度

行业关注度

时效性