大型语言模型产生的医疗对话的质量评估:临床标签:评估研究研究
Yasutaka Yanagita1, Daiki Yokokawa1, Shiichi Ihara1
1Department of General Medicine, Chiba University Hospital, Chiba, Japan, Chiba, Japan.
生成型人工智能 (AI) 可以为医学教育创建高质量的日本医生与患者对话,克服传统简介的局限性. 这种人工智能驱动的方法提高了临床采访实践,同时降低了开发负担.
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
- 临床模拟 临床模拟
背景情况:
- 医学教育中的传统临床简介受到原型呈现,开发时间和缺乏患者多样性的限制.
- 现有的方法无法捕捉患者的观点和医生与患者互动的动态性质.
- 需要创新的教育工具来解决这些局限性.
研究的目的:
- 评估由人工智能 (AI) 产生的日本医生与患者对话的质量.
- 评估人工智能生成的对话的医疗准确性和适当性.
- 探索AI在医学教育和临床技能培训中的潜力.
主要方法:
- 人工智能被提示使用临床病史来生成医生与患者的对话,模拟合作的患者.
- 对话涵盖了日本国家医学执照考试中的疾病,每次有25轮.
- 三名内科医生使用7点的利克尔特尺度评估了关于连贯性,医疗准确性 (医生和患者),病史内容,沟通和专业性的对话.
主要成果:
- 人工智能产生的对话获得了高的整体质量评分 (平均综合评分:5.7/7).
- 对于连贯性 (5.9),患者医疗准确性 (6.0),病史记录 (5.9) 和沟通技巧 (5.6) 观察到高平均得分.
- 经常包括主要的临床组件,如主要关注和诊断; 物理发现和测试结果不太一致; 治疗过程不存在.
结论:
- 生成型人工智能可以有效地生产高质量的医学培训教育材料,超越传统的临床细节.
- 人工智能生成的对话提供了一种可行的方法来实践临床采访,反映现实世界的遭遇.
- 医生监督仍然至关重要,但人工智能工具可以减少医疗教育的时间和财务负担.
更多相关视频
05:47Evidence-based Knowledge Synthesis and Hypothesis Validation: Navigating Biomedical Knowledge Bases via Explainable AI and Agentic Systems
Published on: June 13, 2025
05:56Objectification of Tongue Diagnosis in Traditional Medicine, Data Analysis, and Study Application
Published on: April 14, 2023
相关概念视频
Methods of Documentation VI: Case Management Model
For example, a patient with a chronic...
Data Validation
Nursing assessment guides are generally based on holistic models rather than medical...
Clinical Trials: Overview
Nursing Evaluation
Formulating and Validating Nursing Diagnosis II
Risk nursing diagnoses represent clinical judgments of an individual, family, or community more vulnerable to developing the health problem than others...
Role of Communication in the Nursing Process I: Assessment and Diagnosis
The nursing process considers the patient's emotional and physical well-being. The process can be repeated or stopped at any point if judged essential. Assessment is the first step in the nursing...
