人們如何使用 Copilot 進行健康諮詢：50 萬筆對話分析

Microsoft 分析了 2026 年 1 月超過 50 萬筆與 Copilot 的去識別化健康相關對話，並開發了一套包含 12 個主要類別的分層意圖分類體系。該體系採用隱私保護的 LLM 分類方法，並經過專家人工標註驗證，同時應用 LLM 驅動的主題聚類來識別各意圖下的常見主題，以此分析健康查詢的意圖、對象以及按設備和時間的差異。

研究發現近 1/5 的對話涉及個人症狀評估或狀況討論，即使佔比最高的通用資訊類別（40%）也高度集中於特定治療和病症，這表明個人健康意圖的實際比例可能比表面數據更高。此外，約 1/7 的個人健康查詢是關於用戶以外的人，例如孩子、父母或伴侶，顯示對話式 AI 不僅是個人工具，也承擔了護理者的角色。

在時間與設備使用模式上，關於症狀和情緒健康的個人查詢在傍晚和夜間時段顯著增加，這正是傳統醫療服務最受限的時段。設備使用呈現明顯分歧：移動端集中於個人健康關注事項，而桌面端則以專業和學術工作為主。

查詢內容中還包含大量關於導航醫療系統的議題，例如尋找醫療提供者以及理解保險條款，這突顯了現有醫療服務交付中的摩擦。這些模式對平台特定的設計、安全考量以及負責任的健康 AI 開發具有直接影響。