研究：以英国NHS《孕期指南》为知识底座的AI（人工智能）聊天机器人，女性与临床医生在产后护理域评价不同
一项发表于《Frontiers in Artificial Intelligence》的横断面研究，让119名女性和29名临床医生对基于英国国家医疗服务体系（NHS）《孕期指南》构建的检索增强生成（RAG）聊天机器人DIAN的同一批回答打分。
差异集中在产后护理：女性认为更易懂、更准确，临床医生认为文本更易读； 其他围产期领域经校正后无显著组间差异。 研究未估计评分者间信度。
研究在印度韦洛尔理工学院（Vellore Institute of Technology）商学院完成，论文于2025年9月22日发表。 DIAN为检索增强生成（RAG）聊天机器人，知识底座为英国国家医疗服务体系（NHS）出版的《孕期指南》。
评估采用可理解性—准确性—可读性（CAR）框架，使用标准化提示与盲法评分，119名18—55岁女性与29名临床医生在4点利克特量表上对同一批回答评分，覆盖产后护理、孕期健康与并发症、饮食营养、心理与情绪健康四个领域。 产后护理域：可理解性女性高于临床医生（U=1206.50，Z=−2.524，p=0.012； r=0.207；
Cliff's delta=0.301）； 准确性女性高于临床医生（U=1239.00，Z=−2.370，p=0.018； r=0.195； Δ=0.282）； 可读性临床医生高于女性（U=1181.50，Z=−2.639，p=0.008； r=0.217； Δ=0.315）。 其他领域经Bonferroni校正后无显著差异。 研究未估计评分者间信度。
作者讨论称，女性感知的“易懂、准确”与临床医生判断的“文本易读”存在落差，建议针对产后内容做词级简化、按角色定制摘要与可执行清单； 未来需研究自由对话、纵向行为结局与伦理保障（使用范围说明、升级转介路径、偏见审计）。
该研究提供的是一个可复用的评估思路：同一AI（人工智能）回答，普通用户与专业人员的判断标准并不一致，且差异集中在特定主题域而非全篇。 这提示以权威指南为底座的RAG（检索增强生成）聊天机器人，其“接地”并不能自动保证跨人群的沟通质量； 评估需要分领域、分人群进行，而非给出总体印象分。
需注意：样本为一次性横断面评分，非真实使用场景，未测行为或健康结局，也未估计评分者间信度，因此不能据此推断聊天机器人改善了孕期教育效果。
后续观察信号
- 追踪同一团队或他方对产后护理域做词级简化与角色定制后的复评结果
- 关注围产期心理健康AI（人工智能）对话产品是否公开升级转介路径