Feasibility of an AI-Simulated Patient Encounter Delivered in Group and Individual Learning Formats for First-Year Medical Students: A Two-Cohort Pilot Study
यह पायलट अध्ययन प्रदर्शित करता है कि एआई-सिम्युलेटेड पेशेंट एनकाउंटर (AI-simulated patient encounter) समूह और व्यक्तिगत दोनों प्रारूपों में प्रथम वर्ष के चिकित्सा छात्रों के लिए व्यवहार्य और स्वीकार्य है, जो जुड़ाव और मनोवैज्ञानिक सुरक्षा में अन्वेषणात्मक सकारात्मक बदलाव प्रदान करता है, साथ ही इन निष्कर्षों की पुष्टि करने के लिए बड़े रैंडमाइज्ड परीक्षणों की आवश्यकता को भी रेखांकित करता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
मेडिकल स्कूल के शुरुआती वर्षों में, छात्रों को मरीजों से बात करना, सही सवाल पूछना और बातचीत से एक निदान (डायग्नोसिस) का पता लगाना सीखना होता है। इस कौशल का अभ्यास पारंपरिक रूप से "स्टैंडर्डाइज्ड पेशेंट्स" (मानकीकृत रोगियों) के साथ किया जाता है, जो विशिष्ट भूमिका निभाने के लिए प्रशिक्षित अभिनेता होते हैं ताकि प्रत्येक छात्र को समान अनुभव मिल सके। हालांकि, ये मानव अभिनेता महंगे होते हैं और इनकी संख्या सीमित होती है। हाल ही में, एक नया उपकरण उभरा है: आर्टिफिशियल इंटेलिजेंस। विशेष रूप से, लार्ज लैंग्वेज मॉडल्स—मानव जैसी टेक्स्ट और स्पीच उत्पन्न करने में सक्षम कंप्यूटर सिस्टम—अब वर्चुअल पेशेंट के रूप में कार्य कर सकते हैं। ये डिजिटल पात्र सुन सकते हैं, प्रतिक्रिया दे सकते हैं और एक सुसंगत मेडिकल कहानी बनाए रख सकते हैं, जिससे छात्रों को मानव अभिनेता की उपस्थिति के बिना क्लिनिकल बातचीत का अभ्यास करने का अवसर मिलता है। अब शिक्षकों के लिए प्रश्न केवल यह नहीं है कि क्या ये मशीनें बात कर सकती हैं, बल्कि कक्षा में इनका सर्वोत्तम उपयोग कैसे किया जाए। क्या छात्रों को अकेले अभ्यास करना चाहिए, या उन्हें किसी शिक्षक के साथ मामले पर चर्चा करने के लिए एक समूह में एकत्र होना चाहिए?
सदर्न इलिनॉय यूनिवर्सिटी स्कूल ऑफ मेडिसिन के शोधकर्ताओं ने प्रथम वर्ष के मेडिकल छात्रों के साथ इन दो अलग-अलग दृष्टिकोणों का परीक्षण करने का निर्णय लिया। उन्होंने गैस्ट्रोइंटेस्टाइनल (जठरांत्र) समस्याओं वाले एक मरीज से संबंधित एक एकल, यथार्थवादी मेडिकल परिदृश्य बनाया और एक आर्टिफिशियल इंटेलिजेंस को उस मरीज की भूमिका निभाने के लिए प्रोग्राम किया। फिर उन्होंने छात्रों को दो समूहों में विभाजित किया। सात छात्रों के एक समूह ने एक कक्षा में एक साथ बैठकर, एक बड़े स्क्रीन पर प्रदर्शित एआई पेशेंट का साक्षात्कार लिया, जिसका मार्गदर्शन एक फैकल्टी सदस्य द्वारा किया गया। दूसरे समूह के बारह छात्र निजी स्थानों पर गए और अपने स्वयं के उपकरणों पर बिना किसी शिक्षक की उपस्थिति और अन्य छात्रों की निगरानी के, बिल्कुल वही साक्षात्कार पूरा किया। सत्रों से पहले और बाद में, सभी छात्रों ने सर्वेक्षण भरा ताकि यह मापा जा सके कि वे कितना जुड़ा हुआ महसूस करते हैं और गलतियाँ करने या सवाल पूछने में वे कितना सुरक्षित महसूस करते हैं। शोधकर्ताओं ने इन बातचीत के ट्रांसक्रिप्ट (प्रतिलेखों) का स्वचालित रूप से विश्लेषण करने का एक तरीका भी विकसित किया ताकि यह देखा जा सके कि छात्रों ने वास्तव में क्या कहा।
अध्ययन में पाया गया कि दोनों प्रारूप प्रभावी थे और छात्रों के लिए स्वीकार्य थे। समूह सेटिंग और व्यक्तिगत सेटिंग, दोनों ही समूहों के छात्रों ने अनुभव के बाद अधिक जुड़ा हुआ और अधिक मनोवैज्ञानिक रूप से सुरक्षित महसूस किया। सुरक्षा की यह भावना चिकित्सा प्रशिक्षण में अत्यंत महत्वपूर्ण है; इसका अर्थ है कि एक छात्र शर्मिंदगी के डर के बिना यह स्वीकार करने में सहज महसूस करता है कि उसे कोई उत्तर नहीं पता है या बिना किसी डर के पूछताछ का एक नया तरीका आज़माने में सहज है। हालांकि व्यक्तिगत समूह ने सुरक्षा की इस भावना में विशेष रूप से उल्लेखनीय वृद्धि दिखाई, लेकिन अध्ययन इतना छोटा था कि यह निश्चित रूप से नहीं कहा जा सके कि कौन सा प्रारूप निश्चित रूप से बेहतर था। शोधकर्ताओं ने उल्लेख किया कि संख्या इतनी बड़ी नहीं थी कि दोनों विधियों के बीच अंतर सिद्ध किया जा सके, इसलिए परिणामों को अंतिम निर्णय के बजाय एक आशाजनक संकेत के रूप में देखा जाना चाहिए।
सबसे दिलचस्प निष्कर्षों में से एक छात्रों से उनकी पसंद पूछने से आया। अकेले संस्करण का प्रयास करने के बाद, उन छात्रों में से अधिकांश ने एक हाइब्रिड मॉडल (मिश्रित मॉडल) को प्राथमिकता दी: पहले अकेले एआई साक्षात्कार करना, और फिर एक शिक्षक के साथ समूह चर्चा में शामिल होना। यह सुझाव देता है कि छात्र अकेले अभ्यास करने और गलतियाँ करने के लिए गोपनीयता, और उसके बाद अपने साथियों और एक प्रशिक्षक के साथ अपने विचारों को परिष्कृत करने के अवसर को महत्व देते हैं। अध्ययन ने यह भी ट्रैक किया कि मामले पर चर्चा करने के लिए छात्र बाद में कितना तैयार महसूस करते हैं, इसमें थोड़ी गिरावट आई, लेकिन शोधकर्ताओं का मानना है कि इसका मतलब केवल यह हो सकता है कि छात्रों को एहसास हुआ कि अभी बहुत कुछ सीखना बाकी है, न कि यह टूल की विफलता है।
शोधकर्ता इस बात को लेकर सावधान थे कि यह एक पायलट अध्ययन था, एक प्रारंभिक परीक्षण जिसे यह देखने के लिए डिज़ाइन किया गया था कि क्या विचार काम करता है और बाद में एक बड़े प्रयोग के लिए उनके उपकरणों को परिष्कृत किया जा सके। उन्होंने यह दावा नहीं किया कि उन्होंने मेडिकल छात्रों को सिखाने की समस्या को हल कर लिया है, न ही यह साबित किया कि एआई मानव अभिनेताओं का एक आदर्श विकल्प है। इसके बजाय, उन्होंने यह प्रदर्शित किया कि इन एआई मुठभेड़ों को विभिन्न तरीकों से संचालित करना संभव है और छात्र इसमें भाग लेने के इच्छुक हैं। उन्होंने बातचीत के ट्रांसक्रिप्ट को स्वचालित रूप से पढ़ने और विश्लेषण करने की एक नई विधि भी पेश की, जो भविष्य के शोधकर्ताओं को छात्रों के प्रदर्शन को अधिक निष्पक्ष रूप से मापने में मदद कर सकती है। अंततः, यह कार्य सुझाव देता है कि आर्टिफिशियल इंटेलिजेंस चिकित्सा शिक्षा का एक उपयोगी हिस्सा हो सकता है, विशेष रूप से जब इसे समूह सीखने के एक कदम के रूप में उपयोग किया जाता है, लेकिन इन शुरुआती टिप्पणियों की पुष्टि करने के लिए बड़े समूहों के साथ अधिक शोध की आवश्यकता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।