基于大语言模型三层信息架构的AI标准化患者用于临床沟通培训的多阶段验证研究

《npj Digital Medicine》：From simulation to pedagogy: multi-model and randomized evaluation of structured AI standardized patients

摘要

标准化患者（SPs）是临床沟通培训的核心，但始终受制于成本、可扩展性以及对此类培训的依赖程度以及缺乏经过专业训练的演员。我们提出了基于大语言模型的AI标准化患者（AI-SPs），即基于三层信息架构构建的患者模拟器，可根据学习者的技能水平自适应地调节信息披露。在第一期阶段中，对五个前沿大语言模型生成的350例模拟问诊进行了盲法专家评估，结果显示，在相同架构下，学习者技能水平对观察到的表现差异的解释力大于模型选择（η² = 0.31 vs. 0.06）；而在未进行有无架构对比的情况下，无法确定这种差异是否反映架构本身。在第一期b阶段中，对155例学生实时问诊的分析发现了未能获取关键安全信息的系统性失败，使得无需专家观察即可实现自动化学术诊断。在第二期三臂试点随机对照研究（n = 58）中，AI-SP训练在OSCE表现上的提升与人类SP训练之间无显著差异；该研究的设计目的是为未来确证性研究估计效应量，而非证明等效性。自我效能感提升在AI-SP训练组中数值最大，但这一探索性差异未通过多重比较校正。这些发现表明，基于架构驱动的AI-SPs可为临床沟通培训提供一种可扩展、模型可移植的方法。