Virtual Reality–Based Training in Mental Health Literacy and Health- Literate Communication: A Mixed-Methods Pilot Study with VR AI-Driven Dialogue
这项混合方法试点研究表明，基于虚拟现实（VR）且结合人工智能驱动评估的培训干预措施对于提高卫生专业学生的心理健康素养是可行且广受认可的，同时也揭示了他们在强大的共情表现与较低的特定健康素养沟通技巧熟练度之间存在显著差距。
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
在医疗保健领域，了解疾病的真相仅仅是成功的一半。医生或护士可能完全理解焦虑症的症状或痴呆症的机制，却仍可能难以用一种患者能真正理解的方式来解释治疗方案。这种“知”与“传”之间的差距，正是被称为“健康素养”（health literacy）这一新兴研究领域的焦点。这不仅仅关乎患者阅读手册的能力，更关乎专业人员将复杂的医学信息转化为清晰、可操作建议的技能。当这种沟通失败时，患者离开诊所时可能会感到困惑、无法遵循医嘱，或者因为害怕而不敢寻求帮助。对于心理健康而言，由于污名化和恐惧往往会掩盖理解，能够带着共情心倾听并以平实的语言交谈，是一项至关重要的技能，许多学生在理论中学习过这项技能，却很少能在安全、可重复的环境中进行实践。
丹麦的研究人员最近决定测试一种旨在弥补这一差距的新工具：虚拟现实（VR）。他们想看看，通过让学生沉浸在与人工智能的模拟对话中，是否能教会他们如何更有效地谈论心理健康。该研究涉及27名来自医疗专业的学生和讲师，他们戴着头显进入了一个虚拟环境。在其中，他们面临两种截然不同的场景。在第一个场景中，他们遇到了一位因工作压力而精疲力竭、表现出情绪困扰和身体疼痛的人。在第二个场景中，他们遇到了一位寻找失踪丈夫的困惑个体，这种情况需要耐心以及针对痴呆症患者的适应性沟通。学生们与这些数字分身（avatars）进行自然对话，这些分身由人工智能驱动，能够实时对他们的言语做出反应。
其目标不仅是看学生是否喜欢这项技术，而是要精确测量他们在对话期间的具体行为。在环节结束后，研究人员使用了一种专门的评分系统来分析对话转录文本。他们寻找特定的行为：学生是否询问了对方的日常生活？他们是否使用了简单的语言？他们是否通过要求患者用自己的话复述计划来检查理解程度？这种被称为“回授法”（teach-back）的技术，是确保患者理解其护理方案的金标准，然而结果却显示了一个令人震惊的现实。虽然学生在测试前的心理健康综合知识得分非常高，但他们在模拟中的实际表现却出人意料地低。平均而言，他们展现出的理想沟通技巧仅为研究人员所寻求标准的约三分之一。
最显著的发现是共情能力与技术手段之间的剧烈分歧。学生们在互动的“人性化”方面表现得相当出色。他们展示了识别情绪、积极倾听并以善意回应的能力。然而，一旦涉及到“健康素养型沟通”的具体工具，他们就显得力不从心。使用“回授法”的情况几乎不存在，在17次记录的对话中仅出现了一次。同样，诸如检查患者实际需要哪些信息或以支持性的方式构建对话等策略也极少被使用。学生们似乎依赖于他们天生的善良，但尚未学会确保患者真正理解后续步骤所需的结构化方法。这表明，尽管他们拥有正确的态度，但缺乏将这种态度转化为有效实践的具体训练。
尽管沟通技巧得分较低，但学生们对虚拟现实体验本身的反应非常积极。他们认为这种模拟很有用且易于使用，其评价高于传统的角色扮演练习（即与同学进行情景模拟）。许多人指出，数字分身感觉出奇地像真人，使他们能够专注于对话，而不是专注于与同伴演戏时的尴尬感。然而，他们也指出了局限性，例如分身缺乏面部表情，以及对话过程中偶尔出现的延迟，使得互动感觉略显生硬。这些技术上的小瑕疵并未阻止他们投入其中，但也凸显了这项技术仍在进化之中。研究证实，这种培训的工作流是功能完备的，从最初的虚拟遭遇到结果的自动评分均能顺畅衔接。
研究人员总结道，这项初步研究成功识别了一个特定的培训缺口：学生掌握理论并拥有共情心，但他们并不会自动掌握如何在真实的对话中应用健康素养沟通技术。虚拟现实平台证明，它能够在没有真实患者压力或人类观察者偏见的情况下，揭示这一差距。根据作者的说法，下一步是开展一项规模更大的研究，在学生进入虚拟世界之前，先为其提供关于这些特定沟通技巧的结构化课程。通过将直接教学与这种沉浸式环境中的反复练习相结合，他们希望帮助未来的医疗专业人员将良好的意愿转化为清晰且改变生活的对话。
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。