基于大语言模型 AI 智能体驱动的模拟患者系统为变革医学教育提供潜力

背景：模拟患者系统在医学教育和研究中很重要，可提供安全、综合的训练环境并支持临床决策。人工智能（AI）的进步，特别是大语言模型，可以通过高保真度和低成本复制病情和医患互动来增强模拟患者，但有效性和可信度仍然是悬而未决的挑战。方法：我们开发了 AIPatient，这是一个由基于 LLM 的 AI 智能体驱动的模拟患者系统。该系统使用检索增强生成框架和六个特定任务智能体进行复杂推理。为了提高真实性，它连接到由 MIMIC III 重症监护数据库中去标识化的真实患者数据构建的 AIPatient 知识图谱。结果：我们评估了基于电子健康记录的医学问答、可读性、鲁棒性、稳定性和用户体验。当所有六个智能体都启用时，AIPatient 的问答准确率达到 94.15%，优于部分或无智能体集成的版本。知识库的 F1 得分为 0.89。可读性得分显示，Flesch Reading Ease 中位数为 68.77，Flesch Kincaid Grade 中位数为 6.4，表明大多数医学学员和临床医生可以理解。重复试验之间的非显著方差支持了鲁棒性和稳定性（方差分析 F 值 0.61，p > 0.1；F 值 0.78，p > 0.1）。一项针对医学生的用户研究表明，AIPatient 具有高保真度、可用性和教育价值，在病史采集中与人类模拟患者相当或更好。结论：基于 LLM 的模拟患者系统可以提供准确、可读和可靠的医疗问诊，并显示出变革医学教育的强大潜力。