一个大型的语言模型数字患者系统增强了眼科史的技能
Ming-Jie Luo1, Shaowei Bi1, Jianyu Pang1
1State Key Laboratory of Ophthalmology, Zhongshan Ophthalmic Center, Sun Yat-sen University, Guangdong Provincial Key Laboratory of Ophthalmology and Visual Science, Guangdong Provincial Clinical Research Center for Ocular Diseases, Guangzhou, China.
使用人工智能 (AI) 的新型数字患者系统显著提高了临床学员的病史记录技能. 这种人工智能工具增强了学习,提高了信心,并降低了未来医生的培训成本.
科学领域:
- 医学教育 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:
- 由于病例多样性稀少和患者访问,临床学员有有限的机会进行病史记录.
- 传统的培训方法往往不能提供多样化和现实的实践场景.
研究的目的:
- 评估基于大型语言模型的数字患者 (LLMDP) 系统在提高临床学员的病史记录技能方面的有效性.
- 评估LLMDP对实习生同情,满意度和信心的影响.
主要方法:
- 开发一个LLMDP系统,使用非识别电子健康记录和检索增强框架.
- 一个单中心随机对照试验 (N=84) 将LLMDP培训与传统方法进行比较.
- 评估病史记录技能,同情心和参与者满意度.
主要成果:
- 与对照组相比,使用LLMDP的实习生在病史评估得分上显著增加了10.50分 (p < 0.001).
- 通过LLMDP培训的学生表现出更强的同情心.
- 报告显示,参与者的满意度很高,理由是培训成本降低和信心增加.
结论:
- 在临床教育中,LLM驱动的数字患者有效地提高了病史记录技能.
- LLMDP提供了一种可扩展,低风险的方法,用于将生成AI整合到医疗培训中,特别是在眼科中.
- 该系统有望改善模拟环境中的诊断技能和患者互动.
更多相关视频
10:14Author Spotlight: Ex Vivo OCT-Based Multimodal Imaging of Human Donor Eyes for Research into Age-Related Macular Degeneration
Published on: May 26, 2023
06:15Author Spotlight: Anterior HR-OCT as a Non-Invasive Tool for Characterizing Ocular Surface Squamous Neoplasia
Published on: August 9, 2024
相关概念视频
Data Collection II
Purpose of Health Records II
Data Collection I
Methods of Documentation II: POMR
Methods of Documentation VII: EMR
Data Collection III
The principles to begin the physical assessment include conducting a comprehensive or problem-related history in a quiet, well-lit room, emphasizing privacy and comfort for the...
