《Education for Primary Care》：AI patients, real practice: exploring the use of AI-simulated patients to support primary healthcare training for combat medical technicians
编辑推荐：
摘要
引言：战斗医疗技术人员（Combat Medical Technicians, CMTs）在军事初级医疗中至关重要，但临床接触机会有限。模拟患者提供了一种受控的方法来维持临床能力。对话式人工智能（conversational artificial i
摘要
引言：战斗医疗技术人员（Combat Medical Technicians, CMTs）在军事初级医疗中至关重要，但临床接触机会有限。模拟患者提供了一种受控的方法来维持临床能力。对话式人工智能（conversational artificial intelligence, AI）的进步使得逼真且互动的模拟咨询成为可能。研究人员介绍了对AI模拟患者用于CMT培训的可行性、可接受性和教育影响的评估。方法：在SimFlow.ai平台上开发了五个军事初级医疗模拟患者，并在一个发展课程中实施。参与者完成模拟前和模拟后调查，评估12个临床领域的信心，以及对逼真度、可用性和教育价值的看法。定量分析采用Wilcoxon符号秩检验和Spearman秩相关。结果：20名CMT完成了模拟和调查。在12个临床领域中有10个观察到统计学显著改善，包括核心咨询技能如全面病史采集、识别关键症状、调整提问方式、制定管理计划和鉴别诊断（所有p?**论文解读：AI模拟患者支持战斗医疗技术人员初级医疗培训的可行性、可接受性与教育影响**
**研究背景**
战斗医疗技术人员（Combat Medical Technicians, CMTs）是英国陆军医疗服务（Royal Army Medical Service, RAMS）中初级医疗（Primary Healthcare, PHC）的核心力量，同时承担院前急救任务。然而，CMT的临床暴露机会有限，尤其在初级医疗领域，其工作依赖于医疗中心，且不同场所的临床经验差异显著，这限制了CMT的专业发展，并对RAMS最大医疗专业人员群体的临床能力构成风险。模拟训练是当代医学教育的重要组成部分，能在不对患者造成风险的情况下提供安全、可控的技能练习环境。基于大型语言模型（Large Language Models, LLMs）的文本型初级医疗模拟已在CMT中试点，而人工智能（AI）模拟患者已作为全科医学教育的积极创新得到验证，但尚未在军事环境中探索。对话式AI（Conversational-AI）能够进行类人对话，创建逼真的咨询场景，用于培养初级医疗技能。与同伴相比，AI模拟患者能提供更丰富的故事和更一致的演绎，且可随时使用，优于演员。因此，研究人员开展本研究，评估AI模拟患者（AI-simulated patients）在CMT初级医疗培训中的可行性、可接受性和教育影响。该论文发表在《Education for Primary Care》上。
**关键技术方法概述**
本研究为质量改进评估，在CMT发展课程中实施。研究方法包括：1）模拟患者设计：在SimFlow.ai平台上开发并托管五个针对CMT的逼真患者场景（腹痛、尿路感染、情绪低落、膝痛、咳嗽），由研究团队进行试运行和迭代开发，场景聚焦于病史采集。2）调查设计：通过Google Forms收集模拟前和模拟后调查问卷，评估12个临床领域的信心变化（Likert量表），以及逼真度、医学准确性、训练效用和技术性能四个维度的感知评价。3）统计分析：使用Python（3.10版本）及pandas、SciPy库，采用Wilcoxon符号秩检验分析信心变化，单样本Wilcoxon符号秩检验评估感知评分，Spearman秩相关系数评估人口统计学特征与结果之间的关联。样本队列来源：20名CMT（来自军事医疗团，参加发展课程）完成模拟和调查，初始36名受访者中16名因平台访问问题脱落。
**研究结果**
**人口统计学数据（Demographic data）**
通过描述性统计，20名CMT的中位年龄为21.5岁，女性占55%，10名为初级CMT（2级），8名为未分配到初级医疗岗位的1级CMT，2名有PHC经验的1级CMT。临床经验中位数为1年，16名无AI模拟患者经验。
**临床技能：自我报告信心（Clinical skills: self-reported confidence）**
采用Wilcoxon符号秩检验分析模拟前后信心变化，结果显示在12个临床技能中有10个领域出现统计学显著改善（所有p<0.002），包括全面病史采集、识别关键症状、调整提问方式、制定管理计划和鉴别诊断等核心咨询技能。仅“识别红色警报症状”领域未出现变化（前测中位数为4，可能存在天花板效应）。
**AI模拟评估（AI simulation evaluation）**
通过单样本Wilcoxon符号秩检验（中位假设为3，即中性），评估四个感知维度：逼真度和真实性（7个问题，中位评分2.5至3，总体中性）、医学准确性和临床相关性（积极且显著）、训练效用和教育价值（积极且显著）、技术性能和可用性（混合负面和中性评价，“AI响应延迟最小”一项获得负面解释）。
**人口统计学特征的影响（Influence of demographics）**
采用Spearman秩相关系数分析年龄、性别、CMT经验与技能提升及感知效用之间的关联，结果显示所有组别间相关性极小，无显著p值，表明模拟对所有参与者（无论年龄、经验或性别）价值相同。
**讨论与结论**
**讨论**
本研究首次将对话式AI用于CMT初级医疗培训，显示临床信心提升且无年龄、性别或经验偏差。AI模拟患者被感知具有教育训练价值，但受限于技术问题，尤其是响应延迟。研究结果支持AI模拟患者在医学教育中日益增长的证据，表明CMT可从中受益，但需改进模拟响应延迟。CMT认可创新训练价值，尽管对逼真度和真实性存疑；平台迭代开发可行，但场景相关性比绝对逼真度更重要。主要局限性包括：与旧笔记本电脑相关的脱落率，标准化IT要求可缓解此问题并可能减少延迟；平台支持平板和手机，但可用性需进一步考虑。模拟文献中关于信心与能力转换的争论存在，自报告信心是否是临床绩效的良好预测因素证据矛盾，需进一步客观测量。本试点针对初级CMT，结果可能不适用于所有CMT，建议在更大范围（包括在训CMT和经验丰富的CMT）中开展试点，并开发反映复杂病例及皇家海军和空军医护兵的相关病例。AI幻觉（AI hallucinations）现象在本试点中出现（例如随机噪音、模拟患者扮演医生角色、自发切换外语），未来平台需纳入防护措施。实施AI模拟患者可通过整合到CMT训练中实现，早期接触有助于熟悉，后续可用于持续专业发展或高级病例挑战。
**结论**
研究人员的数据支持AI模拟患者对CMT的可行性、可接受性和教育价值。它改善了关键咨询技能的信心，是提供初级医疗临床技能培训的宝贵资源。该培训可补充CMT有限的临床暴露，且具有标准化和可扩展性。它可用于维持临床能力并建立信心，但需解决技术挑战以改善使用。未来工作应客观评估其对CMT能力的影响，在更广泛队列中探索，旨在将这一创新模拟模式推广至国防医疗服务体系。
