编辑推荐：
医疗模拟场景设计耗时长且需专业知识。研究人员开发 AI 驱动的智能体工作流程，利用多 AI 代理完成多任务，符合 INACSL、ASPiH 标准，使场景开发时间减少 70 - 80%，具多语言能力，为医疗模拟教育提效赋能。
在医疗教育领域，逼真且规范的模拟场景是培养医护人员临床技能与决策能力的核心。然而，传统医疗模拟场景设计往往需要耗费大量时间与专业资源，有数据显示，设计一个 10 - 20 分钟的场景可能需要长达 24 小时的准备工作。随着大型语言模型（LLM）如 ChatGPT 的兴起，其在优化场景设计流程方面的潜力引发关注，但生成内容的准确性、相关性与结构连贯性等问题也亟待解决。在此背景下，意大利诺瓦拉 SIMNOVA 模拟中心的研究人员开展了相关研究，旨在通过人工智能（AI）技术革新医疗模拟场景设计流程，提升效率并确保符合行业标准。该研究成果发表在《Advances in Simulation》，为医疗模拟教育领域带来了新的突破。
为实现研究目标，研究团队采用了分阶段的技术路线。首先基于 ChatGPT 构建了定制化的 “场景设计器”（Scenario Designer）原型，通过结构化提示引导用户输入关键参数，生成场景各部分内容，并利用 Canvas 功能实现实时可视化与修改。鉴于原型存在的集成能力有限、依赖单一模型等不足，研究团队进一步转向 n8n 平台开发智能体工作流程。该流程运用分解、提示链、并行化、检索增强生成（RAG）等 AI 方法，整合多个专业代理，实现从目标制定到 debriefing 点开发的全流程自动化。
研究结果
工作流程的开发与优化
研究分为两个阶段：第一阶段基于 ChatGPT 构建原型，通过定制化界面引导用户输入临床案例类型、学习目标等参数，按标准化格式生成场景内容，支持 educators 逐阶段 review 与优化。第二阶段借助 n8n 平台开发智能体工作流程，采用多模型组合（如 GPT - 4o、Gemini 2.0、Anthropic Claude 3.7 Sonnet），实现任务分解与并行处理，平均处理时间仅 4.5 分钟，且支持多语言输出。工作流程包含场景大纲生成、角色资源规划、患者档案创建、状态演变设计、教育内容开发等多个代理，各环节通过提示链传递上下文，确保逻辑连贯，并通过 “reviewer 代理” 进行质量控制。
性能验证与应用潜力
经测试，该系统生成的场景符合 INACSL《最佳实践标准：模拟设计》与 ASPiH《模拟教育标准框架》，开发时间较传统方法减少 70 - 80%。其应用范围覆盖急诊、重症、产科等多种临床场景，适用于从本科护生到资深医生的不同 learner 层级，并支持场景变体快速生成，便于教学研究对比。在 SIMNOVA 中心的实践中，系统已实现机构品牌元素集成，提升了生成材料的专业性。
实施成本与挑战
实施成本因部署方式而异：云服务依赖 API 调用费用，自托管方案需初期硬件投入，但可避免持续 API 支出。潜在问题包括 AI 生成内容的准确性与偏见风险，需通过专家 review 与提示优化解决；技术层面需应对平台兼容性与模型更新挑战。研究表明，具备基础编程能力的医护教育者即可部署该系统，无需专业 AI 团队，显著降低了技术门槛。
研究结论与意义
这项研究首次将智能体 AI 工作流程系统性应用于医疗模拟场景设计，证明了 AI 在提升效率的同时可确保教学严谨性。通过多代理协作与标准化流程，系统实现了从 “提示输入” 到 “完整场景输出” 的全链条自动化，为资源受限的模拟中心提供了可扩展的解决方案。其多语言能力与跨场景适应性进一步推动了医疗教育的全球化与公平性。研究强调，AI 并非取代人类 expertise，而是作为辅助工具释放教育者的创造力，使其更专注于教学互动与深层设计。该成果不仅为医疗模拟领域树立了技术标杆，也为 AI 在医疗教育中的广泛应用提供了方法论参考，有望加速全球范围内模拟教学的普及与革新。
