生成AIを活用した精神科教育の向上：対象関係論トレーニングにおけるAI支援パイロットスタディ
Conner Polet1,2, Deepti Anbarasan3, Brennan Carrithers3
1New York University Langone Medical Center, New York, United States. poletc@nychhc.org.
まとめ
大規模言語モデル（LLM）は、対象関係論（ORT）の定式化を生成することにより、精神力動精神科教育を支援できます。概念的発達には価値がありますが、AI生成コンテンツの潜在的なバイアスや不正確さを軽減するには、教員の監督が不可欠です。
背景:
- 精神力動精神科トレーニングは、対象関係論（ORT）のような複雑な理論の理解に依存しています。
- LLMは、教育コンテンツ生成のための新しいツールを提供します。
- 研修医教育におけるLLM生成ORT定式化の有用性を評価することは正当化されます。
研究 の 目的:
- 精神力動精神科研修医の教育を強化する上で、LLMによって生成されたORTの定式化の有効性を評価すること。
主な方法:
- 症例記述からORTの定式化を生成するためにGPT-4を使用した11人の研修医が参加した観察研究。
- 研修医は、AI生成コンテンツの正確性、明瞭性、教育的価値を評価しました。
- 質的テーマ分析により、研修医の認識を調査し、主要なテーマを特定しました。
主要な成果:
- 研修医は、AIによって生成されたORTの定式化を、明瞭性、構造、教育的価値の点で高く評価しました。主なテーマには、概念的アンカリングの改善が含まれましたが、過度の一般化や母親バイアスのリスクも含まれていました。出力は一般的に簡潔で臨床的に適用可能でしたが、時折不正確さが指摘されました。
結論:
- AIによって生成されたORTの定式化は、監督の下で、用語を標準化し、概念的成長を支援することにより、精神力動教育を補完することができます。
- 標準化された評価やその他の理論モデルへの影響を評価するためには、さらなる研究が必要です。
