Development of an Exploratory Taxonomy for Veterinary Professionals' AI Query Patterns Across Clinical Stages: An Expert Panel Study
本研究通过分析真实世界的聊天机器人日志，并经由专家小组评审进行完善，建立了首个针对兽医学领域且具备临床阶段敏感性的人工智能查询模式分类法，从而得出了一个包含三个类别和21个子类型的框架，旨在指导上下文感知型兽医人工智能系统的开发。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
想象一下，一家兽医诊所就像一个繁忙的厨房，厨师们（兽医）正不断地为生病的动物烹饪各种解决方案。最近，他们得到了一位超级聪明的副厨——一个几乎可以回答任何问题的 AI 聊天机器人。但直到现在，还没有人拥有一张地图，能标示出这些厨师们究竟在向这位新助手询问哪些问题。
这项研究就像是一群大师级厨师和美食评论家聚在一起，整理一堆由兽医留下的 5,372 条关于如何使用这个 AI 的笔记。他们的目标是将这些笔记整理成一份整洁、易读的菜单——一个“分类法”（taxonomy）——从而精确展示兽医在治疗动物的不同阶段是如何与 AI 进行互动的。
以下是他们是如何做的，以及他们的发现：
探索的食谱
首先，研究人员利用计算机阅读了八个月间兽医提出的数千个真实问题，将相似的问题归类在一起，就像把食材分门别类地装进不同的筐里。然后，他们邀请了一个由 38 位经验丰富的兽医专家组成的评审团来对这份初步名单进行“试吃”。通过结构化的调查，这些专家对名单进行了精炼，确保它符合现实世界的逻辑。
三大主菜
最终的结果是一份包含三个主要部分（类别）和 21 种特定问题类型的菜单：
临床支持（“出了什么问题？”课程）： 在这个环节，兽医会请 AI 帮助判断动物可能患有什么疾病，或者该如何治疗。
- 明星菜品： 最受欢迎的问题类型是**“鉴别诊断推理”**（B 类）。想象一下，兽医在问：“如果一只狗有这些症状，会不会是 A、B 或 C 导致的？”这是最常见的问题类型。
- 时机： 在看完病人后，兽医主要会寻求**“临床决策支持”**（D 类），比如询问：“好了，我已经看诊完毕了；下一步最好的方案是什么？”
循证研究（“给我证据”课程）： 这是为了那些想要深入挖掘科学研究，以支持其选择的兽医准备的。
- 特殊配料： 拥有 10 年以上经验的兽医比资历较浅的兽医更频繁地要求进行**“证据检索”**（G 类）。这就像一位资深厨师在对照新书重新检查经典食谱，而初级厨师可能只是直接信任食谱本身。
- 大学派系： 在大学工作的兽医几乎对这种“证据检索”类型非常痴迷，这成了他们的首选问题。
术语与药物参考（“字典”课程）： 这涵盖了对难懂词汇的简单查询或药物剂量的检查。
为什么这很重要
论文声称，此前从未有人构建过这种针对兽医 AI 的特定“菜单”。通过了解兽医究竟在问什么，以及他们在何时提问（例如是在诊断期间还是在问诊之后），这项研究提供了一份蓝图。这份蓝图旨在帮助设计者开发出能够精准了解兽医在患者护理每个特定阶段需求的 AI 工具，而不是仅仅做一个通用的问答机器。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。