原始文章

這項研究探討社交機器人虛擬病人平台與大型語言模型在醫學生臨床推理訓練中的效果,並與傳統電腦平台比較。瑞典的15名醫學生參與,結果顯示社交機器人平台更具真實感,對學習幫助更大,平均分數較高。定性反饋指出該機器人在臨床推理、溝通及情感技能訓練上的優勢,但也提到一些技術限制。研究建議將社交機器人和大型語言模型整合進虛擬病人模擬中,以提升醫學教育的學習體驗,並提出改進建議。 PubMed DOI


站上相關主題文章列表

研究介紹了一個新方法,利用AI大型語言模型如OpenAI的GPT來打造低成本虛擬病人。研究團隊利用這些模型開發了互動式虛擬病人,可以模擬病人和臨床醫師的互動,並提供對臨床醫師表現的回饋。這種方法可在全球應用,有潛力改革醫學教育和臨床模擬。 PubMed DOI

這項研究探討醫學生在與大型語言模型(如ChatGPT)和人類教練互動時,對診斷決策的影響。研究對象為158名來自柏林查理大學的四年級醫學生,他們被分配到不同的互動方式,並接受相關訓練。研究將評估資訊搜尋、假設考量、診斷準確性及信心水平等因素,並使用線性混合效應模型進行統計分析。研究已獲倫理審查批准,預期結果將為人工智慧在醫學診斷中的應用提供重要見解,並將發表於同行評審期刊。 PubMed DOI

本專案提出一個創新的虛擬實境(VR)訓練計畫,專為護理實習生設計,利用3D建模和大型語言模型(LLMs)提供沉浸式學習體驗。計畫模擬真實病人互動,讓學生在安全環境中提升溝通、病史採集及臨床決策能力。初步結果顯示,學生在溝通能力和臨床自信心上有顯著進步,並對病人為中心的護理有更深理解。這項創新工具有潛力改變護理教育,培養更準備的醫療專業人員,最終改善病人結果。 PubMed DOI

這項研究探討AI模擬病人對日本四年級醫學生醫療面談技巧的提升。參與者中,35名學生使用AI模擬程式進行練習,110名前一年學生作為對照組。結果顯示,AI介入組的考試得分顯著高於對照組(28.1對27.1,P=.01)。雖然學生對訓練質量的評價越高,OSCE分數卻可能越低,但整體未發現安全問題。這顯示AI模擬病人是一種安全有效的教育工具,建議作為傳統模擬教育的補充資源。 PubMed DOI

這項研究探討增強型大型語言模型(LLM)社交機器人虛擬病人(VP)平台在醫學教育中的應用,特別是訓練臨床推理(CR)技能。對23名卡羅林斯卡醫學院的三年級醫學生進行訪談,發現學生認為這個平台比傳統虛擬病人更真實且吸引人,能促進互動和情感表達,提升學習體驗。不過,平台也有限制,如無法進行身體檢查和偶爾出現機械式對話。總體而言,這個平台顯示出訓練醫學生的潛力,建議可作為安全的沉浸式模擬環境。 PubMed DOI

這項研究系統性回顧了虛擬病人在醫學教育中提升臨床推理技能的效果。研究採用混合方法,結合人類評審和ChatGPT,評估虛擬病人對學生學習成果和滿意度的影響。結果顯示,這些數位工具能有效增強臨床能力,尤其在病史採集和推理方面。當虛擬病人的互動更真實時,學生的滿意度也較高,因為整合了人工智慧和自然語言處理。此外,人工智慧和人類評估的準確性相當。整體而言,研究強調了人工智慧在學術評估中支持人類專業知識的潛力。 PubMed DOI

這項研究探討如何利用大型語言模型(LLMs)來提升醫學生的臨床決策訓練,透過模擬病人互動進行。研究分為對照組和反饋組,反饋組除了模擬對話外,還獲得AI生成的表現反饋。共21名醫學生參與,使用臨床推理指標評估表現。結果顯示,反饋組經過訓練後表現顯著優於對照組,特別在情境創建和資訊獲取上。研究指出,AI模擬對話結合結構化反饋,能有效支持臨床決策訓練,提升學生的實務準備。 PubMed DOI

這項研究探討將基於GPT的人工智慧(AI)整合進混合實境(MR)模擬,以訓練醫療急救人員(MFRs)在緊急情況下的溝通技巧。研究發現MFRs對虛擬病人(VP)的可用性評價正面,但AI回應延遲約3秒影響互動。MFRs覺得與VP的口頭溝通自然,但VP無法主動對話是限制之一。研究強調提示工程的重要性,並建議未來改進如關鍵字識別和增強對話流暢度。整體而言,這項技術有潛力提升MFR訓練,但仍需進一步優化。 PubMed DOI

這項研究顯示大型語言模型(LLMs)在創建虛擬病人(VPs)方面的潛力,能模擬病人與醫師的互動。研究使用OpenAI的GPT模型生成60個針對慢性咳嗽和糖尿病的對話,並評估其真實性和使用者體驗。主要發現包括: 1. **成本效益**:每次對話成本低,具可擴展性。 2. **對話真實性**:評分高,顯示對話現實且有用。 3. **病人偏好**:大多數對話符合病人預期。 4. **模型比較**:GPT-4.0-turbo表現優於GPT-3.5-turbo。 5. **反饋相似性**:醫師與LLM的評分相似。 6. **缺陷識別**:某些特徵影響真實性。 7. **工具驗證**:確認測量工具的可靠性。 總體而言,LLM生成的虛擬病人能有效模擬臨床互動,具成本效益,建議進一步研究以提升對話質量。 PubMed DOI

這項研究探討了使用ChatGPT-4o作為虛擬病人,協助醫學實習生的臨床訓練。研究在艾登阿德南門德雷斯大學進行,21名六年級醫學生參與,透過問卷、訪談和觀察收集數據。結果顯示,實習生的自我評估與實際表現正相關,但在問題解決和臨床推理上存在明顯差距,且時間壓力加劇不安感。儘管面臨技術問題,實習生對AI輔助訓練表示滿意,並願意參加類似訓練。研究建議ChatGPT-4o可成為提升臨床技能的有效工具。 PubMed DOI