在医学教育中使用GPT进行历史记录培训的可行性研究:一种随机临床试验

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
• 临床技能培训 临床技能培训

背景情况:

• 传统的医学历史教育面临着可扩展性和资源限制.
• 生成式预训练变压器 (GPT) 模型为模拟患者互动提供了一种新的方法.
• 开放AI的ChatGPT GPTs平台被用于定制模型开发.

研究的目的:

• 评估GPT模拟患者在增强医学学生历史记录技能的有效性.
• 将基于GPT的培训与传统的角色扮演方法进行比较.
• 用人工智能驱动的模拟来评估学生的满意度和学习动机.

主要方法:

• 56名医学学生被随机分配到GPT模拟组和传统的角色扮演控制组.
• 在培训前和培训后的评估中使用了结构化临床检查.
• 评估包括历史收集,临床推理,沟通,专业行为和学习者满意度.

主要成果:

• 在结构化临床检查中,GPT组在培训后的得分显著更高 (86.79比73.64,P<0.001).
• 用GPT模拟的患者导致学生的热情增加,自我导向的学习动机增加,并改善了沟通反.
• GPT组的学生报告说,他们对疾病多样性,易用性和推可能性的满意度更高 (P < 0.05).

结论:

• 基于GPT的历史学习培训是提高医学学生临床技能的有效方法.
• 这项研究支持将人工智能 (AI) 整合到医学教育中,以提高学习成果.
• 由人工智能驱动的模拟提供了一个可扩展和引人入胜的平台,用于开发必要的医生能力.