Feasibility of an AI-Simulated Patient Encounter Delivered in Group and Individual Learning Formats for First-Year Medical Students: A Two-Cohort Pilot Study
Diese Pilotstudie zeigt, dass eine KI-simulierte Patientenkontakt-Situation sowohl im Gruppen- als auch im Einzelformat für Medizinstudierende im ersten Studienjahr durchführbar und akzeptabel ist, wobei explorative positive Veränderungen beim Engagement und der psychologischen Sicherheit erzielt wurden, während gleichzeitig die Notwendigkeit größerer randomisierter Studien hervorgehoben wird, um diese Ergebnisse zu bestätigen.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
In den ersten Jahren des Medizinstudiums müssen Studierende lernen, mit Patienten zu sprechen, die richtigen Fragen zu stellen und aus einem Gespräch eine Diagnose abzuleiten. Diese Fertigkeit wird traditionell mit „standardisierten Patienten“ geübt, also Schauspielern, die darauf trainiert sind, eine bestimmte Rolle zu spielen, damit jeder Studierende die gleiche Erfahrung macht. Diese menschlichen Darsteller sind jedoch teuer und in ihrer Anzahl begrenzt. Vor kurzem ist ein neues Werkzeug entstanden: künstliche Intelligenz. Speziell große Sprachmodelle – Computersysteme, die in der Lage sind, menschenähnlichen Text und Sprache zu erzeugen – können nun als virtuelle Patienten fungieren. Diese digitalen Charaktere können zuhören, antworten und eine konsistente medizinische Geschichte aufrechterhalten, was den Studierenden eine Möglichkeit bietet, klinische Gespräche zu üben, ohne dass ein menschlicher Darsteller anwesend sein muss. Die Frage für Pädagogen ist nicht nur, ob diese Maschinen sprechen können, sondern wie man sie am besten im Unterricht einsetzt. Sollten die Studierenden alleine üben oder sollten sie sich in einer Gruppe versammeln, um den Fall mit einer Lehrkraft zu diskutieren?
Forscher an der Southern Illinois University School of Medicine unternahmen den Versuch, diese zwei verschiedenen Ansätze mit Medizinstudenten im ersten Jahr zu testen. Sie erstellten ein einzelnes, realistisches medizinisches Szenario involving eines Patienten mit Magen-Darm-Beschwerden und programmierten eine künstliche Intelligenz, um diesen Patienten zu spielen. Dann teilten sie die Studierenden in zwei Gruppen auf. Eine Gruppe von sieben Studierenden saß gemeinsam in einem Klassenzimmer, wo sie sich abwechselnd das KI-Patienten-Gespräch vor einer großen Leinwand vorstellten, geleitet von einer Fakultätskraft. Die andere Gruppe von zwölf Studierenden begab sich in private Räumlichkeiten und absolvierte exakt dasselbe Interview auf ihren eigenen Geräten, ohne dass eine Lehrkraft anwesend war und ohne dass andere Studierende zusahen. Vor und nach ihren Sitzungen füllten alle Studierenden Umfragen aus, um zu messen, wie engagiert sie sich fühlten und wie sicher sie sich fühlten, Fehler zu machen oder Fragen zu stellen. Die Forscher entwickelten zudem eine Methode, um die Transkripte dieser Gespräche automatisch zu analysieren, um zu sehen, was die Studierenden tatsächlich gesagt haben.
Die Studie ergab, dass beide Formate gut funktionierten und für die Studierenden akzeptabel waren. Die Studierenden in der Gruppenkonstellation sowie in der individuellen Konstellation berichteten, dass sie sich nach der Erfahrung engagierter und psychologisch sicherer fühlten. Dieses Gefühl der Sicherheit ist entscheidend in der medizinischen Ausbildung; es bedeutet, dass sich ein Studierender wohl dabei fühlt, zuzugeben, dass er eine Antwort nicht weiß, oder eine neue Art der Fragestellung auszuprobieren, ohne Angst vor Peinlichkeit zu haben. Während die individuelle Gruppe eine besonders spürbare Steigerung dieses Gefühls der Sicherheit zeigte, war die Studie zu klein, um mit Gewissheit zu sagen, dass ein Format definitiv besser als das andere war. Die Forscher merkten an, dass die Zahlen nicht groß genug waren, um einen Unterschied zwischen den beiden Methoden zu beweisen, sodass die Ergebnisse eher als ein vielversprechender Hinweis denn als ein endgültiges Urteil zu betrachten sind.
Eine der interessantesten Erkenntnisse kam aus der Frage nach den Präferenzen der Studierenden. Nachdem sie die Solo-Version ausprobiert hatten, sagte die Mehrheit dieser Studierenden, dass sie ein Hybridmodell bevorzugen würde: das KI-Interview zuerst alleine zu absolvieren und sich anschließend einer Gruppendiskussion mit einer Lehrkraft anzuschließen. Dies deutet darauf hin, dass Studierende die Privatsphäre schätzen, um alleine zu üben und Fehler zu machen, gefolgt von der Möglichkeit, ihr Denken mit Gleichaltrigen und einer Lehrkraft zu verfeinern. Die Studie stellte auch einen leichten Rückgang dessen fest, wie vorbereitet sich die Studierenden fühlten, den Fall danach zu diskutieren, aber die Forscher glauben, dass dies schlicht bedeuten könnte, dass die Studierenden realisiert haben, wie viel sie noch zu lernen haben, anstatt ein Versagen des Werkzeugs zu sein.
Die Forscher betonten sorgfältig, dass dies eine Pilotstudie war, ein vorläufiger Test, um zu sehen, ob die Idee funktioniert und um ihre Werkzeuge für ein späteres, größeres Experiment zu verfeinern. Sie behaupteten nicht, das Problem gelöst zu haben, wie man Medizinstudierende unterrichtet, noch bewiesen, dass KI ein perfekter Ersatz für menschliche Darsteller ist. Stattdessen demonstrierten sie, dass es möglich ist, diese KI-Begegnungen auf verschiedene Arten durchzuführen und dass die Studierenden bereit sind, daran teilzunehmen. Sie führten auch eine neue Methode ein, um die Gesprächstranskripte automatisch zu lesen und zu analysieren, was zukünftigen Forschern helfen könnte, die Leistung der Studierenden objektiver zu messen. Letztendlich legt die Arbeit nahe, dass künstliche Intelligenz ein nützlicher Teil der medizinischen Ausbildung sein kann, insbesondere wenn sie als Sprungbrett für das Lernen in der Gruppe genutzt wird, aber es ist weitere Forschung mit größeren Gruppen von Studierenden erforderlich, um diese frühen Beobachtungen zu bestätigen.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.