人工智能驱动的患者病史与症状模拟结合裂隙灯眼仿真提升学生临床培训效果

　　本研究探讨了人工智能（AI）驱动的患者角色扮演（如SimConverse和ChatGPT）结合增强现实（AR）裂隙灯（slit-lamp）眼仿真在眼科与视光学临床教学中的应用。结果表明，该综合模拟训练显著提升了学生的自我评估临床能力（如病理识别、诊断与管理），且AI模拟（SimConverse）在体验与反馈方面与真人演员相当，但ChatGPT效果较差。此方法成本低、可标准化，有望革新临床沟通与技能培训。

　　

临床相关性

眼科护理从业者之间的有效沟通对优化医疗保健至关重要。传统培训常使用真人演员模拟患者，但这种方法成本高昂且需要大量训练来保证学生体验和评估的一致性。人工智能（AI）驱动的聊天机器人（ChatBot）被证明能提供高质量的学生培训体验，由于其便携性和低成本，有望彻底改变临床沟通培训模式。

背景

增强现实（AR）眼部检查模拟在眼科和视光学教学中已被证明是有效的。大型语言模型（如ChatGPT）能提供有效的角色扮演模拟。本研究探讨了结合增强现实和角色扮演模拟是否能提升视光学学生的自我评估临床能力，并比较了由真人演员与不同AI聊天机器人（SimConverse和ChatGPT）进行角色扮演的学习体验。

方法

16名缺乏计算机模拟经验的最后一年视光学学生参与了研究。他们以随机顺序分别与SimConverse AI、ChatGPT AI和真人演员患者完成了三次角色扮演。每次模拟包括：患者病史与症状问诊、相关的增强现实裂隙灯生物显微镜检查（使用EyeSi模拟器）、学生向“患者”解释检查结果和处理计划。学生在模拟前后填写问卷，评估自身学习体验和能力提升预期。

结果

学生在除“优先处理关键体征和症状”外的所有临床能力自评项目中均报告了显著提升（p<0.05）。真人演员和SimConverse提供的角色扮演体验无显著差异，但ChatGPT模拟的体验显著较差（p<0.001）。在反馈方面，SimConverse和真人演员的反馈评分无显著差异，而ChatGPT的反馈评分显著较低。

讨论

结合角色扮演与增强现实眼模拟的优势

研究表明，结合病史与症状角色扮演和增强现实眼前节模拟能超出学生对临床能力提升的预期。这种方法通过病史与症状管理训练临床推理，并结合EyeSi模拟器中的相关病例 signs（体征），使学生能根据初步诊断体验相应体征，形成最终诊断并制定处理计划。学生还需向“患者”解释诊断和管理计划，从而学习如何向患者传达不良消息（如学生自评在“理解病情及管理对患者的情感和身体影响”方面有显著改善）。这种综合模拟提供了更全面的临床培训，增强了患者安全性，允许学生从错误中学习，减少临床实习中的失误。同时，模拟提供了标准化训练环境，尤其使用AI“患者”（如SimConverse）时，能确保所有学生经历相同的临床场景。

AI患者与临床教育者角色扮演模拟的比较

SimConverse AI“患者”与真人演员的模拟体验无显著差异。新一代AI聊天机器人技术通过机器学习显著改善模拟体验：SimConverse AI“患者”可根据模拟需求对特定问题给出一致回应，并能模拟人类情绪（如恼怒、恐惧），使对话更自然。这是首次研究显示AI模拟体验可与真人演员媲美。使用SimConverse AI“患者”的潜在优势包括长期运行成本低于真人演员、学生可在家练习、回应一致性更高。而真人演员模拟需要资源密集（需专业培训）、安排 logistics（后勤）复杂，且重复扮演可能产生情感疲劳。本研究未发现真人演员与AI“患者”的体验差异，表明AI模拟是未来优质选项。AI模拟还提供更大学习灵活性，仅需互联网连接。技术进步（如语音响应avatar）将进一步增强AI角色扮演。唯一缺点是AI“患者”的编程和运行成本需长期规划，但一旦 trained（训练完成），可重复使用并共享。

演员与AI模拟提供的反馈比较

真人演员（临床导师）和SimConverse的反馈评分无显著差异，尽管反馈形式不同：演员提供口头反馈，SimConverse提供书面评分表（rubric）反馈。两种形式均被证明同样有效。ChatGPT提供非结构化、非交互式反馈，效果较差。口头反馈可强化良好实践和自评能力，而评分表反馈能增强与学习目标的一致性、提高评估一致性、促进学生自省和反思。对话 transcript（转录）最小化了学生与评估者间的争议，并可提供其他指标（如用时）。

结论

学生认为，结合角色扮演与增强现实裂隙灯生物显微镜检查模拟超出了其基于能力的预期。使用增强AI“患者”（如SimConverse）进行病史、症状和管理角色扮演模拟的效果与临床训练过的演员（临床导师）相当。通过评分表提供的AI平台反馈与临床导师的口头反馈同样有效。