《BMC Medical Education》：The role of generative artificial intelligence in psychiatric education– a scoping review
编辑推荐：
为探究 GenAI 在精神科教育中的作用，研究人员开展相关研究，发现其有应用潜力但存局限，对精神科教育意义重大。
生成式人工智能在精神科教育中的应用：探索与展望
在当今数字化时代，人工智能（AI）技术正以前所未有的速度渗透到各个领域，医学教育也不例外。精神科教育，作为医学教育中至关重要的一环，却面临着诸多挑战。随着全球心理健康问题的日益凸显，尤其是新冠疫情之后，焦虑和抑郁等心理疾病的患病率大幅上升，对专业精神科人才的需求急剧增加。然而，传统的精神科教育模式存在诸多不足，比如学生接触不同患者经历的机会有限，全面培训的资源也十分匮乏。而且，精神科医生所需的技能与其他医学专科有很大差异，更侧重于人际沟通、面谈技巧等软技能，这些技能的教学和评估难度较大。在此背景下，生成式人工智能（Generative Artificial Intelligence，GenAI）的出现，为精神科教育带来了新的希望。
新加坡南洋理工大学和新加坡国立大学的研究人员敏锐地捕捉到了这一趋势，开展了一项关于 GenAI 在精神科教育中作用的研究，该研究成果发表在《BMC Medical Education》杂志上。
研究人员主要采用了文献研究法中的范围综述（scoping review），在 PubMed、PsycINFO、Embase 和 Web of Science 四个数据库中进行英文文献检索。检索关键词围绕 GenAI 相关术语、精神健康和精神科相关术语以及教育相关术语展开。筛选文献时，制定了明确的纳入和排除标准，如只纳入讨论 GenAI 或 ChatGPT 在医学教育中应用的原创英文研究，排除临床应用、公共 / 患者心理健康教育等相关文献。经过严格筛选，最终确定了 5 篇符合要求的研究进行深入分析。
研究结果
- 案例学习（Case-based learning）：有两篇研究探讨了利用 GenAI 创建案例 vignettes 用于案例学习的情况。研究发现，ChatGPT 生成的 vignettes 在质量上与人类编写的没有显著差异，且能促进学生对临床推理技能的运用。同时，其具有高效性和多样性，可根据教学需求调整案例参数，还能解决使用真实案例 vignettes 时的伦理问题，并且可以生成多种语言的案例。
- 模拟（Simulation）：ChatGPT 能模拟患者，与学生进行互动，帮助学生练习临床技能和识别风险因素。虽然目前关于 GenAI 在精神科患者模拟中的方法和有效性的研究较少，但这一应用具有潜在价值。
- 内容合成与总结（Content synthesis and summary）：ChatGPT 可简化内容合成过程，提供准确的医学信息和复杂研究的简化摘要。例如，用 GenAI 创建的疾病脚本（illness scripts），多数具有较高准确性，能帮助医学生学习临床推理技能，提高诊断准确性。
- 评估（Assessment）：三项研究探索了 GenAI 在开发医学生评估工具方面的应用。ChatGPT 生成的多项选择题（MCQs）部分符合标准，且通过更复杂的提示可进一步优化。利用大语言模型（LLMs）创建脚本一致性测试（SCT），能加快开发过程，且 ChatGPT 生成的 SCT 与专家创建的在多个方面无显著差异。
不过，GenAI 在精神科教育应用中也存在一些局限性。比如，内容准确性存在问题，生成的疾病脚本和案例 vignettes 等可能包含错误信息；存在偏见，可能对少数群体存在偏见；还存在安全和隐私风险，模拟过程中可能涉及敏感数据的共享，且生成的评估问题有泄露风险。
研究结论与讨论
总体而言，GenAI 在精神科教育中展现出了一定的潜力，可通过案例学习、模拟、内容分析和评估等方面支持精神科教育，有助于培养学生在 CanMEDS 框架中的多种能力，如医学专家、沟通者、合作者等角色所需的能力。但该领域仍处于探索阶段，GenAI 的局限性不容忽视。为更好地将 GenAI 应用于精神科教育，未来需要进一步研究并制定更明确的使用指南，利用更全面的数据集训练 GenAI 以减少偏见，同时专家应进行人工审核确保内容的准确性和相关性。此外，还需深入研究 GenAI 对教育成果的影响，以及如何促进其在临床实践中的应用，评估实施 GenAI 的成本效益等。这项研究为精神科教育与 GenAI 的融合指明了方向，为后续研究和实践提供了重要参考，有望推动精神科教育在数字化时代实现新的突破和发展。
