基于大语言模型的完整OSCE考站自动生成：一项可行性研究

《npj Digital Medicine》：Extending synthetic medical education: generating OSCE cases with LLMs

　　

摘要

目的 结构化临床考试（OSCE）是基于能力的医学教育的核心，但高质量的病例开发需要投入大量资源。大语言模型（LLM）提供了一种可扩展的解决方案，但全面的OSCE病例生成，包括考生说明、标准化病人脚本和考官评分方案等组成部分，尚未经过深入探索。我们开发了一种基于LLM的工具来生成完整的OSCE站点。三位具有专科资格的内科医生使用包含12个项目的李克特量表，对涵盖8种内科诊断和3个学习水平的24个生成病例进行了评估。所有领域的评分都很高；沟通行为（4.64/5）、EPA对齐（4.62/5）和整体价值（4.61/5）表现最佳；指南一致性得分最低（4.24/5），且评分者分歧最大。作为一项可行性研究，这些发现表明，可以通过单次结构化调用生成完整的、经过模式验证的OSCE站点，其质量被专家认为可接受，同时也确定了指南一致性和困难校准是最需要教师监督的领域——为有效的EPA对齐OSCE开发提供了可重复的基础设施，但尚未提供其有效性的证据。