基于对应器的牙科AI患者临床诊断模拟使用韩国合成数据生成器用于多个标准化患者场景

科学领域:

• 医疗教育 技术 技术 医学教育
• 医疗保健中的人工智能
• 自然语言处理自然语言处理.

背景情况:

• 标准化患者 (SP) 对于临床实践教育至关重要,模拟真实患者互动.
• 目前的SP方法面临诸多挑战,包括高成本和训练有素的教育工作者短缺.
• 深度学习为自动化和增强SP模拟提供了一个潜在的解决方案.

研究的目的:

• 使用深度学习开发人工智能患者,以克服传统SP教育的局限性.
• 创建一个韩国SP场景数据生成器,用于训练AI患者的反应.
• 为了评估基于调整器的AI患者对变压器模型的表现.

主要方法:

• 利用Conformer深度学习模型进行AI患者实施.
• 开发了一种韩国SP场景数据生成器,用于诊断问题响应培训.
• 使用常见的对话数据和个性化的SP场景数据训练AI患者.
• 使用BLEU分数和Word错误率 (WER) 比较Conformer模型与变压器的性能.

主要成果:

• 基于Conformer的AI患者在BLEU得分中表现出3.92%的改善.
• 与变压器模型相比,基于调整器的AI患者在WER中表现出6.74%的改善.
• 人工智能患者成功地从个性化数据中学习了特定的临床信息.

结论:

• 调整模型为在SP模拟中开发AI患者提供了更有效的方法.
• 这种人工智能患者技术有可能适用于各种医疗和护理领域.
• 开发的系统为临床技能培训提供了一个可扩展和具有成本效益的替代方案.