相关实验视频
Updated: Jul 26, 2026
06:48
Emergency Undocking in Robotic Surgery: A Simulation Curriculum
Published on: May 20, 2018
9.5K
一个基于深度语言学习模型的模拟工具的随机受控试验,用于本科医学生手术
Cathleen A McCarrick1, Philip D McEntee1, Patrick A Boland1
1Section of Surgery and Surgical Specialities, School of Medicine, University College Dublin, Ireland.
Journal of surgical education
|July 29, 2025
概括
深度语言学习模型 (DLM) 显著改善了医学学生的外科历史记录技能. 这种人工智能 (AI) 工具在模拟的患者互动中增强了沟通信心和细节.
科学领域:
- 医学教育 医学教育
- 医疗保健中的人工智能
- 进行外科手术培训.
背景情况:
- 有效的沟通,特别是病史记录,对于外科手术能力至关重要.
- 基于模拟的培训是增强这些技能的一种常见方法.
- 人工智能 (AI) 的进步,特别是深度语言学习 (DLM) 模型,为医学培训提供了新的机会.
研究的目的:
- 评估将DLM作为模拟患者 (SP) 纳入高级医学学生的外科病史培训的有效性.
- 评估基于DLM的培训对学生的沟通信心和技能获取的影响.
主要方法:
- 进行了一项随机对照试验,涉及90名高级医学学生.
- 干预组接受了标准的学习,加上3个结构化的会议与DLM (ChatGPT) 作为SP.
- 两组都接受了客观结构化临床检查 (OSCE),以评估干预期前后的病史.
主要成果:
- 与对照组相比,干预组的历史记录得分显著增加 (p < 0.001,科恩D效应大小为 0.37).
- 大多数受访学生 (57%) 表示信心增加,72% 表示DLM生成的历史记录具有丰富的细节,95% 表示愿意再次使用该工具.
- 由DLM生成的内容始终适合培训目的.
结论:
- 深度语言学习模型 (DLM) 有效地提高了医学学生的外科历史记录技能.
- 人工智能工具,如DLM,可以作为宝贵的补充资源,医学生发展与传统的临床学习一起.
- 该研究支持将AI整合到医学教育中,以提高临床技能和沟通培训.
