对基于人工智能的大型语言模型进行随机对照试验的可行性,用于物理治疗学生的临床推理培训:试点随机并行组研究
Raúl Ferrer-Peña1,2, Silvia Di-Bonaventura1,3, Alberto Pérez-González1,2
1Grupo de Investigación Clínico-Docente sobre Ciencias de la Rehabilitación (INDOCLIN), Centro Superior de Estudios Universitarios La Salle, Universidad Autónoma de Madrid, La Salle 10, Aravaca, Madrid, 28023, Spain, 34 917401980.
JMIR formative research
|July 24, 2025
概括
大型语言模型 (LLM) 显示了增强物理治疗学生临床推理和数字技能的前景. 然而,学生参与度较低,这对将LLMs纳入教育课程来说是一个挑战.
科学领域:
- 物理治疗教育教育 物理治疗教育
- 医疗保健中的人工智能
- 发展临床推理 发展临床推理
背景情况:
- 传统的物理治疗培训往往缺乏综合技能发展的多样化临床案例.
- 大型语言模型 (LLM) 为模拟各种临床场景提供了一种新的方法,有可能增强临床推理.
- LLM可以为物理治疗学生提供一个动态的工具来练习诊断解释和患者信息分析.
研究的目的:
- 探索在物理治疗学生的临床推理中LLM有效性的随机临床试验的障碍和促进者.
- 评估在物理治疗教育中实施LLM培训的可行性.
- 评估LLM工具对学生数字能力和满意度的影响.
主要方法:
- 一项试点随机并行组研究,涉及46名第三年物理治疗学生.
- 实验组接受了为期4周的临床病例LLM培训;对照组遵循了通常的课程.
- 评估数字能力,学生满意度和干预成本.
主要成果:
- 观察到高的招聘和参与率.
- 与LLM的积极参与是低的 (5.75%在实验组).
- 两组之间整体满意度没有显著差异;初始研究成本为1738.3美元.
结论:
- 法学士课程显示出在物理治疗学生中增强数字能力的潜力.
- 实践融合面临挑战,主要是学生参与度低.
- 未来的研究应该专注于提高LLM参与度和延长可行性评估的培训时间.
关键词:
物理治疗疗法 物理治疗法学士 (LLM) 是一个专业.人工智能的人工智能是人工智能.基于人工智能的人工智能障碍物 障碍物 障碍物临床推理 临床推理关键技能 关键技能 关键技能有效性 有效性.促成者促成者是指一个促进者.的可行性和可行性.实施实施实施实施实施.大型语言模型.语言模型语言模型物理治疗教育 物理治疗教育物理治疗学生的学生.物理治疗,物理治疗.试点研究试点研究随机对照试验是随机对照试验.更多相关视频
10:15Utilizing Repetitive Transcranial Magnetic Stimulation to Improve Language Function in Stroke Patients with Chronic Non-fluent Aphasia
Published on: July 2, 2013
18.0K
07:35Author Spotlight: Rehabilitation of Stroke Patients With a Digital Occupational Training System
Published on: December 29, 2023
1.4K
