斯坦福大学的研究人员正在设计 Clinical Mind AI，使其成为一个可定制的聊天机器人，能够作为虚拟患者，医学生可以与之互动并练习形成诊断。
医学教育的一个关键组成部分是被称为临床推理的技能。斯坦福大学教授麻醉学、围手术期和疼痛医学的托马斯·卡鲁索将临床推理比作电视剧《豪斯医生》的一集。
“临床推理有点像《豪斯医生》的一集，我们透露一点关于患者的信息，他们给出鉴别诊断。我们再透露多一点，他们就会改进他们的鉴别诊断。然后，他们达到一个为他们认为是诊断的结果治疗患者的阶段，”卡鲁索说。
自 20 世纪 70 年代以来，教师一直使用演员来教授这种技能。教师为演员编写脚本，然后学生与演员互动并得出诊断。这被广泛认为是教授临床推理的最佳方式，但也有局限性。一方面，演员通常不是医疗专业人员。如果学生的推理过程偏离了脚本的范围，演员将无法以同样的方式参与。
从更实际的角度来看，使用演员是一种昂贵且耗时的做法，难以扩大规模。当机构没有资源使用演员时，他们可以为学生提供患者互动的书面摘要以供学习，但这些在很大程度上被认为不如现场实践。
近年来，人工智能模拟已成为演员模拟的替代方案，但其在不同语言和医疗法规方面的通用性有限。正在斯坦福攻读博士学位的马科斯·罗哈斯正在领导开发 Clinical Mind AI，这是一种可定制的全球通用的临床推理工具。
罗哈斯在 2022 年来到斯坦福之前，是智利的一名执业医生，他于 2019 年从智利大学获得医学博士学位。在那里，他使用技术来模拟患者互动，开发了一个类似的工具，但该平台来自欧洲，没有考虑到智利的一些文化背景。
“对于欧洲社区，他们决定一切都用英语。这对我们来说是个问题。其次，所有的临床病例都已经创建好了，所以很多临床病例对我们的课程没有意义。第三个问题是，这个平台选择了一个非常特定的临床推理定义，这正是他们能够在这个平台上测量的，没有别的，”罗哈斯说。“这在这三个方面产生了许多问题。我们不说英语，那些临床病例不适合我们的情况，而且我们在这所特定的大学不使用那种临床推理的定义。”
罗哈斯说，该工具过于僵化，部分原因是当时可用技术的限制，部分原因是临床推理的主观性和特定治疗的国家法规的可变性。例如，他说智利关于如何治疗高血压的法规与为欧盟开发的工具中解释的治疗方法不同。
罗哈斯说，他希望使 Clinical Mind AI 更具可定制性，以考虑到这些差异。
它的工作原理类似于聊天机器人，允许教师输入患者场景，然后根据他们教授临床推理的目标、所在国家的法规等定制模拟。
它可以访问两个医疗数据库：UpToDate 和美国疾病控制与预防中心。为罗哈斯的项目提供建议的卡鲁索说，使用人工智能的一个优势是这些数据库会不断更新。
“通过将人工智能集成到临床推理模拟中，我们将能够确保在任何给定时间教授最新的医学知识，而不是依靠医生不断更新的当前状态，鉴于目前的医学发现速度，这实际上甚至是不可能的，”他说。
罗哈斯说 Clinical Mind AI 处于试点阶段，他正在与全球的教育工作者和学生合作，使该工具与不同的语言和教学目标兼容，并测试该工具的可用性和界面。到目前为止，用户反应良好，他说，尽管一些与住院医师合作的教师要求更多的定制。
“那些教师给了我们非常重要的反馈，即‘我如何创建一个更复杂的临床病例？’”罗哈斯说。“‘因为我的住院医师解决复杂的临床病例，并且可能也知道如何向患者提问，所以我不需要人工智能模拟。我需要人工智能做别的事情。’”
因此，他说测试版为教师提供了避免某些类型的交互和跳过每个模拟中以前包含的一些活动的选项。该团队还在开发一个单独的工具来帮助教师编写场景。
Clinical Mind AI 定于 2025 年推出。展望未来，当罗哈斯、卡鲁索和斯坦福 IDEAL 研究实验室主任希玛·萨利希（也是罗哈斯的另一位导师）想象成功推出时，他们想象学生以直观的方式学习临床推理，结果与演员模拟相当。特别是，他们希望该工具将有助于扩大交互式临床推理教育的规模，并覆盖资源有限的机构。
“对于 Clinical Mind AI，我们正在研究如何利用技术为教师提供帮助，以增强他们的实践，无论他们可以获得什么样的资源，并确保我们为贫困和优越的教育环境都提供服务，”萨利希说。“我认为这是一件独特的事情，不是造成数字鸿沟，而是增强和提高不同环境下教育工作者的实践。”
