随着大语言模型在医疗领域的应用从“可行性探索”转向“实际部署”，其潜在的风险与责任问题日益凸显。当前关于临床大语言模型的监管与指导文件多将其视为“工具”，强调通过访问控制、人工审核和结果监控来保障安全。然而，这项最新研究《人格提示改变大语言模型的临床行动阈值》提出了一个关键挑战：即使临床事实不变，系统提示中的人格设定也能显著改变模型的临床决策倾向。该研究由美国西奈山医学中心等机构的研究人员完成，系统评估了20个开源大语言模型在500万次临床决策中的表现，揭示了提示工程不仅是“沟通方式”，更是“政策设定工具”。
一、研究设计与方法
研究团队构建了九种“医生人格”，分别由三种伦理取向（义务论、关怀论、功利论）与三种认知风格（直觉型、整合型、分析型）交叉组合而成。每种人格通过系统提示词传递给模型，模型在接收到固定临床文本后，需回答五个二元决策问题，涵盖安全性、患者自主权、治疗方案、资源使用和随访安排。
研究使用了两种临床文本来源：2500份模拟急诊科病例和2500份来自MIMIC-IV的真实出院小结。每个实验条件重复十次，最终生成500万次决策输出。所有模型均在本地高性能计算集群上运行，未启用工具、检索或自我修正功能，以确保实验的纯净性和可重复性。
二、主要研究发现
在无任何人格提示的基线条件下，模型对临床问题的“是”回答率为42.8%。引入人格提示后，回答率在36.9%到46.4%之间波动，整体差异达9.5个百分点。这一变化并非随机波动，而是系统性、可重复的决策阈值偏移。
具体来看，不同人格对决策的影响方向与幅度各异。例如，“关怀-分析型”人格的回答率最低（36.9%），而“关怀-整合型”人格的回答率最高（46.4%）。在决策类别层面，“患者自主权”类问题的波动幅度最大，最高增加24.4个百分点，最高减少6.8个百分点；“治疗方案”和“随访安排”类问题也呈现出显著的差异。值得注意的是，“安全性”类问题在所有人格下均呈现正向偏移，表明模型在安全相关决策中具有“固有倾向”，人格提示更多是放大而非反转这种倾向。
三、模型间的差异与共性
不同模型对人格提示的敏感程度存在显著差异。最敏感的模型（Gemma-3-4b-it）的平均绝对偏差达16.12个百分点，而最不敏感的模型（Mistral-7B-Instruct-v0.3）仅为4.89个百分点。然而，所有模型均未完全免疫于人格提示的影响。医疗专用微调模型与通用模型在敏感度上并无显著差异，模型规模也与敏感度无相关性。这意味着，单纯依靠“选择更好的模型”无法规避提示带来的决策偏移问题。
此外，研究还发现，人格提示的效果在不同文本来源之间具有高度一致性。ED模拟病例与MIMIC-IV真实出院小结之间的效应方向一致率达85.7%，效应大小相关性达0.82，说明提示效应具有跨语境的稳定性。
四、研究的启示与挑战
本研究的核心启示在于：系统提示不仅是“包装”，更是“政策设定”。在传统临床AI治理中，监管重点往往放在输出监控和人工复核上，但本研究显示，真正的决策偏好在输入阶段就已形成。通过简短的人格提示，模型可以在事实不变的情况下，表现出截然不同的“行动姿态”：有的更倾向于介入、开药、住院；有的更倾向于等待、观察、保守治疗。这种“姿态”的变化，本质上是一种隐性政策选择。
研究者用“自由派”与“保守派”的比喻来形容这一轴线的两端。前者倾向于更多行动，后者则倾向于更少干预。这种标签并非价值判断，而是对模型行为模式的描述。问题不在于哪种姿态“正确”，而在于这种姿态是由谁、在何时、以何种方式设定的。在人类医生中，决策风格是长期训练、临床经验和制度文化的产物，难以轻易改变。而在大语言模型中，决策姿态可以通过一句提示词在瞬间切换，甚至可以隐藏在不为人知的系统设定中。
这种“低成本的姿态切换”带来了新的治理挑战。如果不同部门、不同系统、不同版本中使用了不同的人格提示，那么临床决策的一致性将难以保证。更严重的是，如果人格提示被滥用或恶意注入，可能导致系统性偏差甚至安全风险。已有研究显示，系统提示可以被“中毒”或“注入”，从而持久性地改变模型行为。
五、研究的局限性
尽管研究设计严谨，作者也指出了若干局限性。首先，所有决策问题均为二元选择，虽便于统计分析，但也牺牲了临床决策的复杂性与连续性。其次，模型在实验中未启用工具、检索或自我修正功能，未能模拟真实临床环境中的多轮交互与信息整合。第三，人格设定是人为构建的“理想类型”，未必完全对应现实中医生的真实决策风格。最后，研究未对决策的“正确性”或“指南一致性”进行评判，因为其核心目的是揭示“差异”而非“优劣”。
六、结论与展望
本研究以系统、可重复的方式证明：在临床事实不变的前提下，系统提示中的人格设定能够显著改变大语言模型的临床行动阈值。这一发现挑战了将模型视为“中性工具”的传统观念，提示我们在临床部署中必须将系统提示视为一种“政策设定层”。正如研究者所言：“当你部署一个临床大语言模型时，你部署的不仅是知识，更是一种姿态。”
未来，临床AI的治理框架需要向前延伸，覆盖提示词的设计、版本控制、审计与透明性。系统提示不应再被视为“工程细节”，而应被纳入临床决策支持系统的核心配置项。只有将提示词作为“第一类配置”来管理，才能真正实现对模型行为的可控、可测与可问责。
如需要《人格提示改变大语言模型的临床行动阈值》（英文，共21页），请在本微信公众号中赞赏（点喜欢或稀罕作者后按本公众号设定打赏）后，发来email地址索取。
If you're a friend of everybody, you're an enemy to yourself. 泛交者，终负己。早上好！
