根据 6 月 25 日在JAMA Network Open上在线发表的一封研究信，基于大型语言模型 (LLM) 的分类器可以准确检测从青少年患者门户发送的消息的监护人作者身份。

加利福尼亚州帕洛阿尔托斯坦福大学医学院的 April S. Liang 医学博士及其同事研究了 LLM 检测青少年患者门户网站消息的监护人作者的能力。斯坦福儿童健康中心的青少年患者门户网站帐户中的消息被抽样并手动审查作者身份。在 20 条消息的随机子集上反复设计两个提示，直到达到完美的性能：一个专注于作者身份识别(单任务)，另一个专注于生成对消息的响应并识别作者身份(多任务)。在剩余的消息上测试了这两个提示。

在 2,088 条测试消息中，71.8% 和 28.2% 分别被标记为父母或监护人撰写和患者撰写。研究人员发现，单任务 LLM 分别实现了 98.1% 和 88.4% 的灵敏度和特异性，而多任务 LLM 分别实现了 98.3% 和 88.9% 的灵敏度和特异性。这对应于多任务 LLM 的阳性预测值和阴性预测值超过 95%。单任务和多任务分类器的性能在统计上相同。

“最终，可靠地识别非患者撰写的信息的意义不仅限于青少年医学。在成年人中，护理伙伴通常使用患者的凭证访问患者门户，对于老年患者或发育差异较大的个体尤其如此，”作者写道。“我们的研究结果发现，本研究的 LLM 有潜力改善患者保密保障。”