ChatGPT-4o 化身虚拟患者：解锁实习医生临床能力评估与提升新密码？

为解决传统标准化病人资源受限等问题，Ayd?n Adnan Menderes University 的研究人员以 ChatGPT-4o 模拟患者开展实习医生临床能力研究。结果显示其有应用潜力但存技术问题。该研究对医学教育意义重大，推荐一读。

　　

在当今医疗领域，人工智能（AI）的发展可谓日新月异。自 20 世纪 50 年代英国数学家和逻辑学家艾伦?图灵提出 “机器能思考吗” 这一问题，并设计出 “图灵测试” 后，AI 便开启了它的进化之旅。到如今，像 ChatGPT 这样强大的大语言模型不断涌现，ChatGPT - 4.0 更是凭借其出色的语言理解能力、丰富的知识储备、强大的编码功能以及处理长文本和口头交流的能力，在医疗行业展现出巨大的潜力，尤其在诊断、决策和数据分析等方面。

与此同时，标准化病人（SP）在临床教育中一直占据着重要地位。它通过模拟真实的临床场景，让医学生在可控的环境中锻炼临床技能、临床推理（CR，即评估和解释患者数据以做出准确诊断和治疗决策的能力）、决策能力、沟通能力和诊断能力，避免了与真实患者直接互动可能带来的风险。临床病例管理（CCM）涵盖的临床推理、问题解决（PS，包括识别和解决关键医疗问题）、危机管理（CM，在高压情况下需要快速决策、领导和协调）等能力，对于医生在医疗环境中做出明智决策、解决复杂问题和有效应对危机至关重要。

然而，传统 SP 的使用存在一些难题。获取 SP 资源往往需要耗费大量的时间、人力和成本，而且随着医学院校学生数量的不断增加，学生与 SP 进行一对一练习并获得个性化反馈的机会变得越来越有限，这对临床训练的效果产生了一定的影响。为了解决这些问题，虚拟标准化病人应运而生，它具有创新、灵活、易获取、成本效益高和用户友好等优点，为临床训练提供了新的解决方案。早期研究表明，生成式 AI 模型能够在各种场景中模拟标准化病人，有助于支持学生的临床推理、决策和问题解决技能，还能提供性能分析和反馈。

在这样的背景下，来自 Ayd?n Adnan Menderes University 的研究人员为了深入探究相关问题，在《BMC Medical Education》期刊上发表了题为 “Evaluating intern physicians’ clinical case management competencies using ChatGPT - 4o as a virtual standardized patient: a mixed - methods study” 的论文。他们旨在评估实习医生在临床病例管理（包括问题解决、临床推理、危机管理）方面的能力，并探索 ChatGPT - 4o 作为评估这些能力的可行工具的影响和潜力。

研究人员采用了多种技术方法来开展这项研究。他们运用了同步三角测量设计，这是一种混合方法，同时收集和分析定量数据（如通过观察和自我评估调查得到的数据）和定性数据（如访谈和观察记录），并在解释结果时进行对比。在数据收集方面，使用了三种工具：一是自行开发的自我评估调查，通过专家反馈和预试验确保其有效性，用于评估参与者的能力；二是半结构化访谈表格，收集参与者对实践的看法；三是半结构化观察表格，由两位研究人员对相关能力进行评分，且评分者间信度达到了 83.33%，符合标准。此外，还利用了 ChatGPT - 4o 来开发临床病例，根据土耳其常见疾病（高血压和布鲁氏菌病），结合研究目标和难度水平，生成病例并经过多轮审核和调整。在数据分析阶段，对于符合正态分布的数据，采用皮尔逊相关分析；对于非正态分布的数据，则运用卡方检验和 Kruskal - Wallis 检验等非参数检验方法，同时使用内容分析法对定性数据进行分析。

下面来看看具体的研究结果：

• 参与者特征：研究共涉及 21 名参与者（8 名女性，13 名男性），平均年龄 24 ± 1.03 岁。在学习资源偏好上，17 人选择互联网，15 人选择课堂笔记，14 人选择教科书等。分析发现，性别与学习资源偏好存在一定关联，所有女性参与者都选择了教科书。而且，偏好某些资源（如助手、讲师）的参与者更倾向于依赖课堂笔记。
• RQ1：分析实习医生自我感知（PS - S、CR - S、CM - S）和观察到的表现（PS - O、CR - O 和 CM - O）与性别、动机和学习偏好之间的关联。结果显示，性别与能力得分并无显著关联，但选择医学专业的意愿、对选择的满意度以及学习资源偏好（如互联网使用、同伴支持）与问题解决、临床推理和危机管理能力存在显著关联。例如，自愿选择医学专业的参与者在 PS - O 和 CR - O 上得分更高；对专业选择满意的参与者在调查中的问题解决、临床推理和危机管理得分呈正相关。
• RQ2：探究实习医生对各种变量的自我感知（PS - S、CR - S、CM - S）与实践表现（PS - O、CR - O、CM - O）之间的关系。通过皮尔逊相关分析发现，观察得分和调查得分之间没有直接关系，但各项能力之间存在显著关联。比如，临床推理（CR - O）和问题解决（PS - O）能力之间存在很强的正相关；危机管理（CM - O）与问题解决（PS - O）、临床推理（CR - O）也有强正相关；自我评估的能力中，问题解决（PS - S）与临床推理（CR - S）、危机管理（CM - S）同样强相关。此外，研究还发现参与者自我评估与实际表现存在显著差距，可能是因为实习医生经验不足，受邓宁 - 克鲁格效应影响。
• RQ3：了解参与者对实施过程的看法。在问题解决方面，16 人提到自己能力不足；临床推理方面，有人觉得自己能力不足，也有人分享了系统的方法；危机管理方面，10 人表示有时间压力，9 人感觉能力足够，9 人认为能力不足。总体而言，参与者认为此次实践对学术有帮助，但也指出了存在的问题。
• RQ4：研究人员观察到参与者的 PS、CR 和 CM 能力大多被评为良好或中等，约一半人存在时间管理问题。技术方面，语音聊天中最常见的问题是 “不同语言回复”，还有服务器错误等；文本聊天中存在语言误解、名词拼写或解释错误等情况。

研究结论和讨论部分指出，ChatGPT - 4o 成功模拟了患者互动，为实习医生提供了一个安全的实践环境，有助于他们锻炼临床病例管理能力，而且成本效益高、易于获取。尽管存在技术挑战，如语言处理问题、服务器过载等，但它在医学教育中的潜力不可忽视。通过这项研究，发现了实习医生在自我评估方面存在的问题，强调了提高自我评估准确性的重要性。同时，研究还为医学教育提供了有价值的参考，表明将 AI 工具融入传统教学方法，能够丰富课程内容，帮助医学生更好地发展核心能力。不过，研究也存在一定的局限性，比如样本量相对较小，可能影响研究结果的普遍性；只关注了两种常见病例，可能增加了参与者的压力。未来的研究可以扩大样本量，纳入更多样化的病例，并评估 AI 模拟的长期效果，进一步探索如何更好地将这些工具融入医学课程。这项研究为医学教育领域引入 AI 工具提供了重要的参考，为未来的医学教育发展指明了方向，有望推动医学教育不断创新和进步。