技术摘要：CandorMD——一种用于医疗错误披露的 AI 辅助音频模拟与反馈系统

1. 问题陈述

医疗错误披露是一项高风险、伦理关键但情感复杂的沟通任务，临床医生常发现难以驾驭。有效的披露需要在透明度、同理心和责任感之间取得平衡，同时管理临床医生自身的情绪以及患者可能产生的愤怒、悲伤或不信任。

当前的培训方法存在显著局限性：

• 教学差距：依赖说教式讲座和被动观察（“看一次，做一次，教一次”）无法提供足够的主动练习。
• 可扩展性与适应性：标准化患者问诊和角色扮演资源密集，且难以在不同专科间扩展。
• 静态工具：现有的基于视频的沟通评估（VCA）工具使用预录场景，缺乏动态适应性。它们无法实时响应学习者的输入，无法模仿真实对话的互惠性质。
• 反馈延迟：反馈往往滞后、笼统或依赖人工评分者，阻碍了“即时”学习，且无法解决特定的个人需求或情感细微差别。

这些差距导致临床医生回避披露对话，自我效能感降低，并损害了患者信任。

2. 方法论

研究团队开发了CandorMD，一种 AI 辅助的音频模拟与反馈原型，并通过混合方法（包括设计探针和半结构化访谈）对其进行了评估。

2.1 系统架构

CandorMD 围绕两个协调运作的 AI 代理构建，它们共享对话状态但保持独立的信息访问权限：

• 患者模拟代理：

  • 功能：生成逼真的患者回应（文本和音频），并根据临床医生的话语动态调整。
  • 内部状态：维护信息语境（患者已知与怀疑的内容）、情感状态（愤怒、悲伤、信任等情绪的连续值）以及对话记忆。
  • 音频生成：不同于简单的文本转语音，该代理在生成文本的同时生成详细的语音指令（语速、情感基调、韵律），以确保情感表达与内容相匹配。它使用 OpenAI 的 GPT-4o-mini-tts 进行音频合成。
  • 适应性：患者的反应会根据临床医生的表现而改变（例如，如果沟通有效则变得更具接受性，如果无效则退缩）。

• 评估者代理：

  • 功能：对临床医生的沟通技巧提供反馈。
  • 反馈模式：
    1. 逐轮反馈：在模拟过程中提供即时、情境化的指导。
    2. 总体总结：会话后报告，突出优势、改进领域及具体建议。
  • 评估框架：基于既定的披露框架（如 SPIKES），该代理将对话阶段映射到四个反馈维度：信息寻求、情感表达、信任与责任感、以及前瞻性护理计划。
  • 信息不对称管理：评估者拥有完整的临床背景访问权限（包括医生的知识），而患者代理仅限于患者 realistically 知道的内容。为防止医生知识过早“泄露”给患者，系统会将评估者的输出过滤为关键词，再引导患者代理的下一个回应。

2.2 研究设计与参与者

• 参与者：通过专业网络和滚雪球抽样招募的 12 名关键知情人，代表四个不同的角色：
  • 执业临床医生（4 名）
  • 风险管理专家（2 名）
  • 沟通研究人员（3 名）
  • 患者权益倡导者（3 名）
• 程序：
  1. 半结构化访谈：探讨当前的实践、挑战以及关于因素、实践、挑战和技术支持培训的四个研究问题（RQs）。
  2. 原型交互：参与者使用“出声思维”协议与 CandorMD 互动，完成披露场景并提供现场口头表达。
  3. 分析：对访谈转录稿和交互日志进行主题分析，以识别可用性、模拟保真度和教学价值方面的模式。

3. 主要贡献

本文做出了三项主要贡献：

1. 实证洞察：基于与多元化利益相关者生态系统（临床医生、风险管理专家、倡导者和研究人员）的访谈，详细阐述了医疗错误披露的培训需求与挑战。
2. 系统设计：设计并实施了CandorMD作为“设计探针”，通过多代理模拟、动态情感建模和双模式反馈，解决了当前静态培训工具的局限性。
3. 设计建议：基于实证提出了开发 AI 支持沟通培训工具的建议，这些建议可延伸至医学领域之外，具体涉及自动化与人工监督的平衡、反馈时机以及情感真实性的问题。

4. 结果与发现

4.1 披露的关键因素（RQ1）

• 信任：披露的基石；必须在对话中建立或修复，特别是在急性护理中。
• 以患者为中心：对话必须适应患者所知内容及其情感状态。这是双向互动，而非独白。
• 及时性与连续性：披露应迅速，但这是一个持续的过程，而非单一事件。
• 透明度与不确定性：临床医生必须在诚实与承认不确定性之间取得平衡，避免过早推测。
• 道歉：被视为同理心和责任感的重要表达，区别于过早承认法律责任。

4.2 当前实践与差距（RQ2 & RQ3）

• 碎片化培训：准备工作往往是临时的或依赖观察。虽然存在结构化模型，但应用不一致。
• 情绪调节：临床医生难以应对自身的羞耻感和内疚感，这阻碍了沟通。
• 反馈缺陷：现有反馈往往滞后、不一致或根本不存在。临床医生仅依赖患者反应作为反馈，这既昂贵又缺乏结构。
• 文化障碍：一种将错误污名化或将沟通技巧视为天生而非可习得的文化，阻碍了改进。

4.3 原型评估（RQ4）

• 模拟保真度：参与者发现情感轨迹（例如愤怒升级）和对事实不确定性的处理是逼真的。然而，有人指出韵律偶尔感觉“人工”或过于正式。
• 反馈质量：参与者重视即时逐轮指导与会后总结的结合。他们更喜欢具体的范例（“你可以说……"）而非通用的评分标准评论。
• 可用性：界面总体直观。建议包括更好地区分“暂停”和“结束”案例，以及在场景中途重启或纠正路线的选项。
• 用例：参与者构想了两个主要应用场景：
  1. 即时排练：为特定的、即将到来的困难对话做准备。
  2. 课程整合：在医学院和住院医师培训项目中用于长期技能培养。

5. 意义与主张

本文将 CandorMD 定位为并非最终解决方案，而是解决医疗沟通培训中“实践差距”的重要一步。

• 增强真实性：通过利用多代理协调来管理信息不对称和动态情感状态，该系统提供了比静态视频工具更真实的模拟环境。
• 可扩展性：该系统为资源密集型的标准化患者问诊提供了一种可扩展的替代方案，提供即时、个性化的反馈。
• 互补作用：作者明确指出，AI 无法单独解决系统性问题。这项工作的意义在于展示 AI 如何补充传统方法，并解决特定的教学差距（实时练习、情感调谐），同时承认有效的错误披露仍需结构、文化和政策改革。
• 可推广性：设计原则（多代理模拟、动态反馈、管理信息不对称）被提出可转移至错误披露之外的其他高风险医疗沟通场景。

本文结论认为，虽然 CandorMD 等技术解决方案可以提高培训的逼真度和可扩展性，但持久的改进需要将这些工具整合到由导师制和文化变革倡议支持的组织结构中。