临床面诊是医生在培训期间培养的最重要技能之一。它构成了准确诊断和有效患者护理的基础。然而，评估这些技能通常耗时费力，需要经验丰富的临床医生进行反复观察和详细反馈。
随着医学教育的持续扩展，日益增长的评估负担已成为一个重大挑战。生成式人工智能（AI）的引入有望显著改善面诊技能的评估；然而，与标准评估系统相比，其效率尚未得到充分理解。
为填补这一空白，日本研究人员探索了人工智能是否能通过评估医患面诊记录来帮助解决这一问题。
他们的研究结果发表在《JMIR医学教育》期刊上。
由日本顺天堂大学医学院全科医学系的高桥宏水博士（通讯作者）和内藤俊夫教授领导的研究团队，考察了基于人工智能的评估（ABA）能否匹配传统的人工评估（HBA）。
"我们的核心观点是，人工智能可能有助于使医学培训更加公平、快速和可扩展，"内藤教授解释道。
为评估ABA与HBA系统，研究人员设计了一项使用虚拟患者系统的横断面验证研究。七名参与者，包括医学生、住院医师和主治医师，对一位呈现双侧腿部无力症状的AI模拟患者进行了临床面诊。
这些对话被自动记录并转换为文字记录。然后使用"主面诊评分量表"（Master Interview Rating Scale）对这些记录进行评估，这是一种标准化工具，用于评估临床沟通的各个方面，如信息收集、组织和同理心。
对于ABA系统，使用了AI模型，特别是GPT-o1 Pro和GPT-5 Pro来评估文字记录。另一方面，五名经验丰富的临床指导教师独立评估了相同的文字记录，构成了HBA方法。
研究人员表示，ABA与临床医生的评估表现出高度一致性，得分差异极小。同时，AI在重复评估中表现出更高的稳定性。重要的是，使用AI还将评估每份记录所需的时间减少了超过一半，突显了其减轻教育工作者工作负担的潜力。
"这项研究建议采用实用的'AI先行、教师验证'模式，即AI处理初步评估，而教育工作者则将时间集中在指导、判断和高风险决策上，而不是取代教师，"高桥博士表示。
这些结果对医学教育具有重要意义。在许多培训项目中，反馈的延迟可能会限制学生改进沟通技能的机会。通过提供快速且一致的评估，AI可以使重复练习更加可行，特别是在师资资源有限的环境中。
"学生可以面试AI模拟患者并几乎立即获得反馈，而不是等待数天或数周，"内藤教授补充道，强调了更及时学习体验的潜力。
同时，研究人员强调应谨慎使用AI。虽然AI在本研究中表现良好，但它是基于少量参与者和单一临床场景。此外，基于文字记录的评估无法捕捉非语言线索、语气或文化细微差别，而这些在现实世界的患者互动中通常很重要。
内藤教授和高桥博士谨慎指出："AI应在人类监督下使用，因为仅基于文本的评分可能会遗漏语气、非语言沟通和文化背景等细微差别。"
总体而言，这项研究突显了AI在医学教育中日益增长的作用。通过结合AI的速度和一致性与临床医生的专业知识和判断，可能创造出更高效、可扩展的培训系统。
随着对高质量医学教育需求的持续上升，此类方法可能有助于确保未来的临床医生获得最佳培训，同时减轻教育工作者的负担。
【全文结束】
