虚拟患者模拟使用社会机器人与大型语言模型相结合,用于医学教育中的临床推理培训:混合方法研究
Alexander Borg1, Carina Georg2, Benjamin Jobs1
1Division of Rheumatology, Department of Medicine Solna, Karolinska Institutet, Karolinska University Hospital, and Center for Molecular Medicine (CMM), Stockholm, Sweden.
Journal of medical Internet research
|March 7, 2025
概括
社会机器人虚拟患者与大型语言模型相结合,为医学学生提供了比传统的基于计算机的模拟更真实的临床推理培训体验.
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
- 临床推理培训 临床推理培训
背景情况:
- 虚拟患者 (VPs) 是计算机模拟,用于卫生专业教育,以开发临床推理 (CR).
- 在CR的不足可能会对患者的安全产生负面影响.
- 大型语言模型 (LLM) 和社交机器人为增强VP现实性和互动性提供了机会.
研究的目的:
- 探索社会机器人VP平台与CR培训的LLM集成的附加值.
- 为了比较这个新的平台与传统的基于计算机的VP用于医学学生的CR开发.
主要方法:
- 在瑞典进行的一项探索性概念验证研究 (2023年5月至7月).
- 15名医学学生使用了社交机器人VP和基于计算机的VP.
- 进行了自我感知经验的定量评估和定性深度访谈.
主要成果:
- 社交机器人平台被评为更真实的 (P=.04) 并提供了更大的整体学习效果 (P=.01).
- 学生们发现社交机器人在训练CR,沟通和情感技能方面优越.
- 确定的局限性包括技术问题和改善面部表情和复杂案例模拟的建议.
结论:
- 通过LLM增强的社会机器人VP为医学学生的CR培训提供了真实而有吸引力的学习体验.
- 这项技术在医学课程中实现教育成果的前景非常有希望.
- 进一步的改进可以提高平台的有效性和用户体验.
