生成式 AI 助力虚拟病人病史采集：可行性探索与医学教育新曙光

为解决传统医学教育中病史采集练习资源受限、虚拟病人（VP）互动不真实等问题，韩国某学术医学中心研究人员开展生成式 AI 用于 VP 病史采集的可行性研究。结果显示可行但有提升空间，推荐科研读者阅读了解该创新教育方式。

　　

在医学教育的广阔天地里，培养医学生与患者有效沟通、准确采集病史的能力，一直是重中之重。想象一下，未来的医生们，面对各种各样的患者，要是连患者的病情来龙去脉都问不清楚，那可怎么能做出正确的诊断和治疗呢？所以，病史采集这项技能，对于医学生来说，就像是游戏里的 “必备大招”，必须得牢牢掌握。

以前，医学生主要通过和标准化病人（SPs）互动来练习这项技能。标准化病人就像是经过特殊训练的 “演技派”，能模仿真实患者的症状和反应，帮助医学生积累经验。但这种方式有个大问题，由于资源有限，医学生和标准化病人互动的机会少之又少，除了一些重要的考核，很难再有机会通过这种方式练习。这就好比你想成为篮球高手，却总是没机会上场打球，那技术怎么能提高呢？

后来，虚拟病人（VP）出现了，它可以在一定程度上补充医学生与患者互动的不足，还能培养医学生的临床推理能力。可传统的虚拟病人也有自己的 “短板”，基于早期技术开发的它们，在医患互动方面缺乏真实感。打个比方，传统虚拟病人就像是个 “木头人”，学生只能从下拉菜单里选预设好的问题去询问，没办法自由发挥，这样的互动体验感很差，也不利于学生全面锻炼病史采集能力。

就在大家为这些问题发愁的时候，生成式人工智能（AI）技术带着它的 “超能力” 闪亮登场了。像 ChatGPT 这样的人工智能，凭借着强大的大语言模型（LLM）和自然语言处理能力，似乎为医学教育带来了新希望。它能实现更真实、自然的互动，就像给虚拟病人注入了 “灵魂”，让医学生和虚拟病人的对话变得更像和真实患者交流。不少研究也发现，生成式 AI 能提供模拟患者体验，给出大部分合理的答案，还能自动给出结构化反馈，用户体验也不错。

不过，生成式 AI 在医学教育领域，尤其是在帮助医学生练习病史采集方面，还处于起步阶段。一方面，大家不确定它生成的回答是否适合用于练习病史采集，毕竟 AI 有时会 “脑洞大开”，产生一些幻觉，给出一些不符合实际情况的答案，或者带有偏见。另一方面，目前关于 AI 在医学教育中可衡量的教育成果的证据还很少，而且聊天机器人在不同临床场景中的通用性也有待探索。这就好比 AI 是一辆刚造出来的新车，大家知道它有潜力，但不知道它在各种复杂路况下能不能跑得稳、跑得好。

在这样的背景下，韩国某学术医学中心人工智能医疗研究小组的研究人员，为了解决这些难题，在《BMC Medical Education》期刊上发表了一篇名为《Design and development of a virtual patient program using generative artificial intelligence technology: a pilot feasibility study》的论文。他们想看看，用生成式 AI 技术设计开发虚拟病人程序，帮助医学生练习病史采集，到底可不可行。

为了开展这项研究，研究人员主要用到了以下几个关键技术方法：他们借助基于大语言模型的生成式 AI 技术，选择了韩国的 AI 平台 Naver HyperCLOVA X? 来打造虚拟病人。在开发过程中，通过不断进行内部测试，用专家编写的虚拟患者医疗访谈脚本作为训练数据，对 AI 的回答进行微调。另外，他们邀请了包括 AI 专家和医学教育者在内的 5 位研究人员，让他们扮演医学生和虚拟病人互动，之后用专门设计的问卷对 AI 的回答质量进行评价。同时，还运用了话语分析的方法，对互动脚本进行深入分析。

下面咱们来看看研究结果。在这次的初步测试中，研究人员开发了一个有泌尿系统问题的虚拟病人案例。测试一共产生了 96 对问答，聊天机器人总共生成了 177 个句子，1325 个单词。

研究人员先对聊天机器人的回答进行了话语分析。结果发现，在这 1325 个单词里，有 34 个（占 2.6%）被认为不太合理。这些不合理的回答又被分成了三类：第一类是表达不清的答案，就像说话断断续续、重复啰嗦一样，有 23 个单词属于这一类，占比 1.7%；第二类是幻觉，这类回答包含一些荒谬、不准确或者容易误导人的信息，比如之前说自己在吃药，后来又说没吃，有 7 个单词属于这种情况，占 0.5%；第三类是遗漏重要信息，比如没有完整回答医学生的问题，这部分虽然没有具体的单词数，但有 4 处这样的情况，占 0.3%。

接着，5 位研究人员用问卷对 AI 回答的质量进行了评价。从整体来看，大家对 AI 回答的质量评价比较积极，平均得分是 3.96 分（标准差为 0.21）。具体来说，在相关性方面，得分是 4.50 ± 0.32 分，这说明 AI 的回答和患者的病情相关度挺高；在有效性上，得分是 4.20 ± 0.40 分，表明这些回答在模拟医患交流场景中比较有效；准确性方面，得分 4.10 ± 0.20 分，说明回答的准确度也不错。不过，在流畅度上，AI 的表现就没那么好了，得分只有 3.20 ± 0.60 分，大家觉得和真实人的回答相比，AI 的回答流畅度还有提升空间。而且，研究人员之间评价的一致性处于中等水平，组内相关系数（ICC）在 0.64 - 0.80 之间。

从这次研究的结果来看，研究人员得出结论：使用基于大语言模型的生成式 AI 进行虚拟病人病史采集练习是可行的。虽然聊天机器人的回答存在一些小问题，但总体上比较合理，得到了研究人员的认可。这一结论意义重大，它为医学教育中使用生成式 AI 技术提供了初步的可行性依据。以前大家对 AI 在这方面的应用还心存疑虑，现在这个研究就像一颗 “定心丸”，让人们看到了 AI 在医学教育领域的潜力。

不过，研究人员也很清楚，这项研究还存在一些局限性。首先，这只是一个早期研究，主要是从教育者的角度评估了项目的可行性，还没有让医学生参与进来。未来还需要进一步研究这个项目在实际使用中的效果，比如医学生对它的接受程度、使用体验，以及对他们病史采集能力提升的实际帮助。最好能开展长期研究，看看学生在不同场景下和聊天机器人互动一段时间后，学习效果怎么样，AI 的能力有没有随着时间进步。

其次，这次只是用了一个泌尿系统问题的虚拟病人案例进行测试，不能代表其他临床案例的情况。毕竟医学领域的病症多种多样，就像一个庞大复杂的迷宫。所以，还需要研究不同临床场景下 AI 工具的适用性，开发出涵盖更多临床案例的虚拟病人项目。而且开发这样的项目很耗费资源，研究人员建议医学院校之间加强合作，一起分享资源，打造一个全面的虚拟病人案例库。

最后，现在市面上有很多 AI 平台，这次研究只用了其中一个。不同平台的 AI 回答质量可能不一样，以后的研究还得看看这次的研究结果能不能推广到其他平台，怎样让 AI 在不同平台上都能有更好的表现。

总的来说，这项研究虽然有不足，但它就像一盏明灯，为医学教育和生成式 AI 技术的结合指明了方向。随着研究的不断深入和技术的持续进步，相信在未来，生成式 AI 会在医学教育中发挥更大的作用，帮助培养出更多优秀的医生，为人们的健康保驾护航。