近年来，随着人工智能技术的迅猛发展，大型语言模型（Large Language Models，LLMs）在众多领域展现出强大的信息处理和生成能力。在公共卫生领域，其潜力越发受到关注。尤其是在解析政府发布的公共卫生指南、支持疾病监测与应对等关键任务上，LLMs正成为创新性的工具。本文聚焦于英国政府公共卫生指南，探讨LLMs在理解、传播和应用这些官方指南方面的表现及面临的挑战，展现行业最新的研究成果及未来的发展方向。 公共卫生指南作为政府发布的官方信息，对个人、医疗专家及公共卫生工作者在日常与突发事件中的决策具有重要指导作用。涵盖范围广泛，从疫苗接种资格的判定到放射性物质事件的应急处理，无不体现出专业性和权威性。
然而，这些指南的内容庞杂且更新频繁，公众若依赖传统的检索方式，如浏览官方网站或使用传统搜索引擎，经常难以迅速获得精准、及时的资讯。此时，基于大型语言模型的智能问答系统有望成为新兴的健康信息桥梁。 随着ChatGPT等聊天机器人及相关LLM应用的兴起，公众获取健康信息的方式正经历变革。人们可通过与聊天机器人对话，直接获取有关英国政府公共卫生指南的相关建议，这样无需手动查找繁琐的文档。然而，LLMs也存在“幻觉”风险，即可能无中生有地生成不准确甚至错误的信息，尤其是在涉及医疗健康等高度专业领域时，这种风险带来的影响尤为敏感和严重。 英国政府指南频繁更新，这为LLMs捕获最新信息带来了挑战。
例如，2024年，约31%的官方文件进行了局部修订。若LLMs训练语料库未能覆盖最新版本，答复时便容易出现信息滞后。此外，不同国家机构如美国CDC等在同一公共卫生议题上存在细微差异，LLMs可能会将其他国家的建议误传为英国官方指导，这进一步增加了认知混淆的可能性。 更为复杂的是公共卫生领域本身的独特性和深度。某些指南针对极为罕见或专业的场景制定，比如某种特定化学品泄漏的应急处置代码，这类信息在网络上的出现频率极低，导致LLMs获取相关知识的机会十分有限。相比之下，医学教科书、学术论文及专业论坛中更为普遍的医疗信息则更易被收录和学习。
基于以上背景，英国公共卫生机构亟需明确，当前先进大型语言模型对英国官方公共卫生指南的认知水平如何，以及它们在面对相关提问时的准确性到底有多高。近期英国健康安全局（UKHSA）与研究团队开展的一项突破性研究，便着手对此进行了系统考察。 在探索中，研究人员设计并构建了一个包含近9000道覆盖多个公共卫生领域和受众群体的多项选择题库，问题源自687份官方文件的节选。整个过程采用自动化处理，包括文本抽取、筛选、由大型语言模型（如Llama-3.3 70B）生成考题，并通过另一套LLM进行质量检测和内容一致性校验，从而保证测试题的科学性和实用性。 针对测试数据集的准确性，专家团队对10％的试题进行了人工审核，发现约有5.5％的题目存在模糊或多重正确答案的情况。综合评估显示，最高可达约97％的满分率为理论上极限。
测试也延伸至人类非专业参与者，在有限时间和简单搜索辅助的条件下，平均正确率达到88％。这一基于“人类基线”的数据为衡量LLMs表现提供了重要参考。 测试结果出人意料地显示，部分最新版本的商业LLMs（例如GPT-4.5、GPT-4.1和o1模型）在无访问互联网搜索工具的条件下，面对多项选择试题时的准确率超过了90％，甚至优于普通用户利用搜索引擎后的表现。这充分体现了这些模型在理解和记忆复杂公共卫生文档上的能力远超预期。 然而，当测试转换为自由文本生成形式——即模拟真实聊天机器人回答问题的方式——表现出现明显下降。最优秀的模型（o1）在这类问答中准确率约为75％，表明自由表达模式下的幻觉风险依然不可忽视。
由此可见，尽管LLMs展现了强劲的阅读理解能力，但在生成开放性回应时，确保信息精确无误仍需技术上的突破。 更细致的分析揭示，LLMs对面向普通公众设计的公共卫生指南认知较好，这与公众文件常以通俗易懂、重点明确的语言表达有关，降低了理解的难度。此外，具有推理机制的模型在自由文本任务中表现出较少的准确率下降，暗示逻辑推理能力或将促进复杂问答的质量提升，值得未来深入探索。 自动化生成测试题的示范意义同样不可忽视。传统文本评价工作不仅耗时，还难以应对文档频繁更新的实际需求。利用LLMs自动抽取、生成和质检题目的方法，为公共卫生领域搭建细致、动态的评测平台开辟了新路径。
这不仅有助于监管机构实时监控人工智能的应用安全，还推动了跨学科的技术融合与创新。 总结而言，大型语言模型已展现出显著潜力，能够帮助公共卫生部门及公众更便捷高效地获取权威指导信息。尤其是当模型被赋予最新数据及恰当检索工具时，未来智能问答系统有望成为连接政策发布者与多样化受众的重要纽带。与此同时，继续优化模型质量、降低信息误导风险，保持对政府文件更新的跟踪能力，以及加强自由文本回答的准确性，仍然是亟待攻克的关键课题。 公共卫生信息攸关人们生命健康，而AI辅助的智能解读和传播则为提升社会整体防疫能力和健康素养带来了前所未有的机遇。英国健康安全局的这项前瞻性研究为全球公共卫生与人工智能融合发展提供了宝贵的经验和思路，也昭示了未来人机合作构筑更智慧美好健康环境的可能性。
随着技术不断进步和应用范围拓展，LLMs在公共卫生领域的角色无疑将越来越重要，我们有理由期待人工智能助力健康未来的光明前景。
