建模具有挑战性的患者互动：LLM 用于医疗沟通培训

有效的患者沟通是医疗保健的关键，但传统医疗培训往往缺乏对多样化、具有挑战性的人际互动的暴露。为弥合这一差距，本研究提出利用大型语言模型 (LLM) 模拟真实患者沟通风格，具体包括源自 Satir 模型的"指责者"和"合理化者"人格，同时确保其多语言适用性，以适应不同文化背景并提高医疗专业人员的可及性。通过运用高级提示工程，包括行为提示、作者注释和顽固性机制，我们开发了具备细腻情感和对话特征的虚拟患者 (VP)。医疗专业人员对这些 VP 进行评估，评分显示其真实性（指责者：$3.8 \pm 1.0$；合理化者：$3.7 \pm 0.8$，满分 5 分）以及其识别其风格的准确性。情感分析揭示了 distinct 的 profile：指责者表现出疼痛、愤怒和焦虑，而合理化者表现出沉思和平静，符合预定义的详细患者描述，包括医学史。情感分数（满分 9 分）进一步验证了这些沟通风格的差异，指责者采取消极 ($3.1 \pm 0.6$) 语气，而合理化者更为中性 ($4.0 \pm 0.4$)。这些结果凸显了 LLM 复制复杂沟通风格的能力，为医疗教育提供了变革性潜力。该方法通过提供真实、可适应的患者互动，使受训者能够应对具有挑战的临床情景，从而提升同理心和诊断水平。我们的发现为 AI 驱动的工具作为可扩展、具成本效益的解决方案以培养细腻沟通技能，为未来医疗培训创新奠定了基础。