Reimagining the SP in the Era of Artificial Intelligence
本文提出，与其将人工智能视为对标准化病人（SP）教学法的颠覆，不如将其视为一种互补的模式，即在专业监督下与人类标准化病人相结合，在保留临床技能教育的核心教育原则和以人为本的价值观的同时，扩展可扩展且个性化的学习机会。
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
几十年来，医学生一直通过与演员对话来学习如何与患者沟通。这些被称为“标准化病人”的演员经过专门培训，能够完美且一致地模拟特定的疾病，让学生能够在安全、受控的环境中练习采集病史和进行体格检查。这种方法已成为教学沟通和临床技能的金标准，确保每位学生都能在相同的现实场景中接受测试。然而，随着人工智能——特别是能够让计算机理解并生成人类语言的技术——开始创造其版本的模拟病人，医学培训的格局正在发生变化。现在面临教育工作者的课题不再是这些数字病人能否取代人类演员，而是这两种截然不同的工具如何协同工作，以改进未来医生的学习方式。
斯坦福大学医学院研究人员的一篇新论文指出，我们不应将人工智能视为对传统演员模式的威胁，而应将其视为一个强大的新伙伴。作者提出了一种更广泛的思考标准化病人的方式，即将核心教育目标与实现目标的具体手段区分开来。在这种观点下，标准化病人的定义特征不在于它是人类还是机器，而在于它是否能够忠实地重现一次就诊过程，以支持学习与评估。研究人员建议，虽然人类演员对于教授共情能力、解读细微情感线索以及练习体格检查仍然至关重要，但人工智能在提供无止尽、一致性的练习以及即时、个性化反馈方面具有独特的优势。
该论文概述了这两种模式之间明确的分工。人类标准化病人在“以人类连接作为教学重点”的领域表现卓越。他们能传达真实的情感，以细腻的方式应对学生不可预测的行为，并让指导教师观察学生如何处理检查病人的实际操作。这些对于高风险考试以及学习床边礼仪的艺术至关重要。相比之下，人工智能病人被描述为结构化、重复性练习的理想选择。由于计算机不会疲劳，它可以与不同学生进行数百次对话，每次都以完美的连贯性呈现相同的场景。这使得学习者可以磨练特定技能，例如通过提问来收集病史，并在无需面对调度人类演员的物流挑战的情况下，获得关于其表现的即时、自动化反馈。
研究人员谨慎地指出，人工智能目前还不是人类互动的完美替代品。目前的系统虽然令人印象深刻，但有时会产生不一致的回答，或无法捕捉到真实患者深层的情感复杂性。它们还无法评估学生进行动手体格检查（如听诊心脏或触诊腹部）的能力。此外，论文警告不要让学生过度依赖人工智能反馈，或为了迎合机器而非真人而调整自己的沟通方式。作者强调，人工智能应当被视为由教育工作者设计的工具，而不是取代维持了模拟训练五十多年严谨性和安全性的专业判断与监督。
最终，该论文表明，医学教育的未来在于两种方法的深思熟虑的融合。正如医学课程已经使用各种方法来教授不同技能一样，人工智能的整合也应遵循长期以来管理人类演员使用的专业标准和教育原则。其目标是扩大模拟培训的覆盖范围，让更多学生能够进行更频繁的练习，同时保留在学习如何护理患者过程中，人类连接所具有的不可替代的价值。通过将人工智能视为一种互补的手段而非竞争对手，医学院可以在不丢失定义该职业的人文价值的前提下，增强其培训项目。
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。