練習問題生成のための人工知能駆動プラットフォーム

科学分野:

• 医学教育テクノロジー
• ヘルスケアにおける人工知能
• 評価と査定

背景:

• 米国医師免許試験（USMLE）のような高リスクの医師免許試験は、医学教育と患者ケアにとって極めて重要です。
• 質の高いボード準備資料への不均一なアクセスは、過小評価されている経済的に困難な背景を持つ学生を不利にします。

研究 の 目的:

• USMLEスタイルの練習問題を生成するためのAI駆動システムの開発とパイロットテスト。
• 医学的問題作成のための検索拡張生成（RAG）を用いた大規模言語モデル（LLM）の実現可能性と有効性の評価。

主な方法:

• LLM、RAG、および少数のプロンプティングを利用したAIシステムが、臨床前血液学講義から565のUSMLEスタイルの問題を生成しました。
• 教員コースディレクターが、内容の妥当性と米国医師免許試験（NBME）ガイドラインへの準拠を確保するために、人間参加型のプロセスを監督しました。
• 検証された問題は、学生の練習とフィードバックのためにモバイルアプリを通じて展開されました。

主要な成果:

• 生成された問題の87%（565件中490件）が正確でNBMEに準拠していました。
• 80人の医学生が問題バンクを利用し、関連する試験問題の成績向上につながる傾向が見られました。
• 質的フィードバックでは、AI支援学習ツールに対する学生の強い熱意が示されました。

結論:

• 大規模言語モデルは、医師免許試験のための質の高いガイドライン準拠の練習問題を効果的に生成できます。
• 今後の開発では、スケーラビリティと教員のワークロード削減のためのAI駆動コンテンツレビューに焦点を当てます。
• プラットフォームのより多くのコースや医療専門職への拡大が、アクセスを拡大し、継続的な改善をサポートするために計画されています。