利用大语言模型作为临床教育中的模拟患者
计算与语言
2024-04-26 v2 人工智能
摘要
模拟患者通过为学生练习提供逼真的场景，在临床医学教育中发挥着至关重要的作用。然而，培训和雇佣合格SP的高成本，加上他们在持续扮演真实患者时面临的繁重工作量和潜在风险，限制了学生接受此类临床训练的机会。因此，近年来基于计算机程序的模拟患者的整合已成为一种有价值的教育工具。随着大语言模型的快速发展，其在对话式人工智能和角色扮演方面的卓越能力已得到证明，使其成为实现虚拟模拟患者的可行选择。在本文中，我们提出了一个名为CureFun的集成模型无关框架，该框架利用了LLM在临床医学教育中的潜力。该框架促进了学生与模拟患者之间的自然对话，评估他们的对话，并提供增强学生临床询问技能的建议。通过全面评估，与其他基于LLM的聊天机器人相比，我们的方法展示了更真实、更专业的SP场景对话流程，从而证明了其在模拟患者方面的熟练度。此外，利用CureFun的评估能力，我们评估了几个医疗LLM，并从其诊断能力的角度讨论了使用LLM作为虚拟医生的可能性与局限性。
引用
@article{arxiv.2404.13066,
title = {Leveraging Large Language Model as Simulated Patients for Clinical Education},
author = {Yanzeng Li and Cheng Zeng and Jialun Zhong and Ruoyu Zhang and Minhao Zhang and Lei Zou},
journal= {arXiv preprint arXiv:2404.13066},
year = {2024}
}