基于GPT的病史采集训练在医学教育中的可行性研究：一项随机对照临床试验

传统病史采集教学受限于资源密集性和标准化难度，本研究探索了基于GPT（Generative Pre-trained Transformer）的模拟患者系统在医学教育中的应用。通过随机对照试验，研究人员发现GPT组学生在结构化临床考核（86.79±5.46 vs. 73.64±4.76, P<0.001）、自主学习动机及沟通能力等方面显著优于传统角色扮演组，为人工智能（AI）在临床技能培训中的整合提供了实证依据。

　　

在医学教育中，病史采集（history-taking）是培养临床思维的核心技能，但传统教学方法面临资源限制和标准化难题。角色扮演依赖教师人力，且难以覆盖多样化的临床场景；真实患者参与又受医患关系紧张等因素制约。如何高效、低成本地提升医学生的病史采集能力，成为亟待解决的问题。

安徽医科大学第二附属医院的研究团队设计了一项创新性试验，将GPT（Generative Pre-trained Transformer）技术引入病史采集培训。他们基于OpenAI的ChatGPT GPTs平台开发定制化模型，上传《内科学》《诊断学》等教材内容，通过提示工程（prompt engineering）构建能模拟真实患者应答的AI系统。这项发表于《BMC Medical Education》的研究显示，GPT模拟训练不仅显著提升学生考核成绩，还改善了学习主动性和临床推理能力。

研究采用三项关键技术：1）基于GPT-4构建的模拟患者系统，通过预设病例库生成包含模糊叙述、话题跳跃等真实对话特征的交互场景；2）双盲评估的结构化临床考核（OSCE），涵盖病史收集、临床推理等4个维度；3）标准化满意度调查，量化学生对培训方法的反馈。56名五年级医学生被随机分配至GPT组或传统角色扮演组，进行为期4周的训练。

主要结果

1. 结构化临床考核成绩：GPT组后测得分（86.79±5.46）显著高于对照组（73.64±4.76），效应量（Cohen's d=2.57）显示巨大差异。
   

   

2. 教育效果反馈：GPT组在自主学习积极性（3 vs. 1.5分）、沟通能力提升（4 vs. 1.5分）和焦虑降低（2 vs. 1.5分）等方面均占优。
   

   

3. 满意度调查：GPT组对病例多样性（4 vs. 1.5分）、易用性（3 vs. 1.5分）和推荐意愿（3 vs. 1.5分）的评价更高。
   

   

讨论与意义
该研究首次系统验证了GPT在病史采集培训中的有效性。其优势体现在三方面：一是通过即时反馈加速技能迭代，二是降低传统训练中的评价焦虑，三是突破时空限制实现灵活练习。尽管存在缺乏非语言线索、数据依赖性等局限，但为AI驱动医学教育提供了范式。未来可探索与虚拟化身（avatar）结合，进一步模拟真实医患互动场景。

这项研究标志着医学教育迈入智能化新阶段——当GPT能精准模拟从心绞痛到甲状腺功能紊乱的各类病例，医学生获得的不仅是标准化训练，更是应对临床复杂性的思维弹性。正如研究者所言，这种技术“不仅提升任务表现，更重塑了学习行为与体验”。