Feasibility of an AI-Simulated Patient Encounter Delivered in Group and Individual Learning Formats for First-Year Medical Students: A Two-Cohort Pilot Study
这项初步研究表明，AI模拟患者问诊在小组和个人两种形式下对于一年级医学生而言都是可行且可接受的，这在提升参与度和心理安全感方面产生了探索性的积极转变，同时也强调了需要更大规模的随机对照试验来证实这些发现。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在医学院的早期阶段，学生必须学习如何与患者交谈、提出正确的问题，并从对话中拼凑出诊断结果。这项技能传统上是通过“标准化病人”来练习的，即经过培训、扮演特定角色的演员，以确保每位学生都能获得相同的体验。然而，这些人类演员成本高昂且数量有限。最近，一种新的工具出现了：人工智能。具体而言，大语言模型——能够生成类人文本和语音的计算机系统——现在可以充当虚拟病人。这些数字角色可以倾听、回应并维持一个连贯的医学故事，为学生提供了一种无需人类演员在场即可练习临床对话的方式。教育工作者面临的问题不仅是这些机器是否能够交谈，而是如何最好地在课堂中使用它们。学生应该是独自练习，还是应该聚集在一起与老师讨论病例？
南伊利诺伊大学医学院的研究人员致力于测试这两种不同的方法，对象为一年级医学生。他们创建了一个单一且真实的医学场景，涉及一名患有胃肠道问题的患者，并编写程序让人工智能扮演该患者。随后，他们将学生分为两组。一组由七名学生组成，他们坐在教室里，在教职人员的指导下，轮流采访投影在大屏幕上的 AI 病人。另一组由十二名学生组成，他们前往私人空间，在没有老师在场且没有其他学生观看的情况下，通过自己的设备完成了完全相同的访谈。在练习前后，所有学生都填写了调查问卷，以衡量他们的参与感以及在犯错或提问时的安全感。研究人员还开发了一种方法，可以自动分析这些对话的转录文本，以观察学生实际说了什么。
研究发现，两种形式的效果都不错，且学生对它们均表示接受。无论是小组环境还是个人环境中的学生，在经历后都表示感到更有参与感，且心理安全感更高。这种安全感在医学培训中至关重要；它意味着学生在承认自己不知道答案，或尝试新的提问方式时，不会感到尴尬或害怕。虽然个人组在这一感受上的提升尤为显著，但由于研究规模较小，尚无法确定其中一种形式是否绝对优于另一种。研究人员指出，样本量不足以证明两种方法之间存在差异，因此研究结果应被视为一种积极的迹象，而非最终定论。
最有趣的发现之一来自于询问学生的偏好。在尝试了个人版本后，大多数此类学生表示他们更倾向于一种混合模式：先独自进行 AI 访谈，然后再加入老师带领的小组讨论。这表明学生重视在私密环境下练习和犯错的机会，随后再有机会与同伴及讲师一起完善自己的思维。研究还追踪到学生在事后讨论病例时的准备程度略有下降，但研究人员认为这可能仅仅意味着学生意识到自己还有很多需要学习的内容，而非工具本身的失败。
研究人员谨慎地指出，这是一项初步研究（pilot study），旨在测试该想法是否可行，并为后续更大规模的实验优化其工具。他们并未声称已经解决了如何教学医学生的问题，也没有证明 AI 是人类演员的完美替代品。相反，他们证明了以不同方式开展这些 AI 互动是可行的，并且学生愿意参与其中。他们还引入了一种自动阅读和分析对话转录文本的新方法，这有助于未来的研究人员更客观地衡量学生的表现。最终，这项工作表明，人工智能可以成为医学教育中有用的组成部分，特别是作为通往小组学习的阶梯，但仍需要更多针对更大规模学生群体的研究来证实这些早期观察。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。