내시경에서 사전 동의 교육을위한 AI 역할 플레이 및 피어 역할 플레이 비교 : 무작위 대조 시험

배경 및 근거 생성 인공 지능 (AI), 특히 LLM (Lange Language Models)은 최근 의료 커뮤니케이션에서 체험 학습을 지원하는 대화식, 맞춤형 가상 환자 시뮬레이션의 개발을 가능하게했습니다. 이 AI 중심 플랫폼은 가변 인구 통계, 감정 상태 및 임상 적 복잡성을 통합하여 현실적인 환자의 만남을 시뮬레이션 할 수 있습니다. 또한 개별화 된 피드백에 대한 확장 가능한 액세스 및 반복적 인 연습을 제공하여 전통적인 동료 또는 액터 기반 시뮬레이션의 물류 제한을 우회합니다. 예비 연구에 따르면 훈련생들은 이러한 도구를 현실감과 교육적 가치가 높은 것으로 인식한다고 제안합니다. 그러나, 생성 AI 기반 시뮬레이션의 교육적 효능을 확립 된 교육 학적 접근법과 직접 비교하는 경험적 증거는 여전히 남아있다. 이는 위장 내시경 -AN 상호 작용에 대한 사전 동의를 얻는 것과 같은 복잡한 의사 소통 과제를 가르치는 데 특히 관련이 있습니다.

연구 목표이 연구의 주요 목표는 생성 AI 기반 역할 놀이의 효과 성 및 전통적인 동료 역할 놀이의 건강 관리 연수생을 비교하여 내시경 절차에 대한 사전 동의를 얻는 것입니다. 구체적으로,이 연구는 무작위 통제 시험 (RCT) 설계를 사용한 시뮬레이션 기반 훈련에 따라 사전 동의를 얻는 데 정보, 소통 기술을 얻는 능력, 의사 소통 기술을 얻는 능력의 차이를 평가할 것입니다.

방법 연구 설계 이것은 단일 맹렬한 병렬 그룹 무작위 대조 시험입니다. 총 40 명의 의료 연수생이 모집됩니다. 참가자는 중재 그룹 (생성 AI 기반 역할-플레이) 또는 제어 그룹 (전통적인 피어 역할 플레이)에 1 : 1 비율로 무작위 배정됩니다. 무작위 배정은 컴퓨터 생성 시퀀스를 사용하여 수행되며, 독립적 인 학습 팀 구성원이 배포 한 밀봉 된 봉투에 배치 된 그룹 할당이 있습니다. 중재의 본질로 인해 참가자 눈을 멀게 할 수 없습니다. 그러나 결과 평가자는 그룹 할당에 대해 눈을 멀게 할 것입니다.

참가자는 토론토 대학 의료 훈련 프로그램에 등록한 의료 연수생이 포함됩니다. 제외 기준에는 임상 또는 시뮬레이션 된 환경에서 내시경에 대한 사전 내시경에 대한 사전 동의를 얻는 사전 경험이 포함됩니다.

기준 평가 모든 참가자는 인구 통계 학적 데이터를 수집하는 기준 설문지, 사전 동의를 얻는 데있어 자기 효능 및 의료 교육에서 AI에 대한 태도를 완료합니다.

교육 개입 참가자는 먼저 위장 내시경에서 사전 동의의 원칙과 구성 요소에 대한 표준화 된 20 분 교훈 강의에 참석합니다. 이 세션은 상류 및 하부 내시경 검사의 목적 및 위험, 대체 진단 옵션, 환자의 문제 해결 및 윤리적 법적 고려 사항과 같은 필수 주제를 다룹니다. 이 강의는 시뮬레이션 기반 연습 세션 전에 균일 한 지식 기반을 보장하도록 설계되었습니다.

시뮬레이션 기반 교육

그런 다음 참가자는 할당 된 양식을 사용하여 30 분의 시뮬레이션 기반 연습에 참여합니다.

• 통제 그룹 - 동료 역할 놀이 : 참가자는 동료 연수생과 짝을 이루고 의사와 환자 역할 사이의 대체입니다. 표준화 된 사례 프롬프트를 사용하여 연수생은 사전 동의 토론을 수행합니다. 각각의 상호 작용 후, 환자 역할의 참가자는 제공된 체크리스트를 기반으로 동료 피드백을 제공합니다.
• 중재 그룹 - 생성 AI 역할 재생 : 참가자는 AI 중심 가상 환자 인터페이스와 개별적으로 상호 작용합니다. 시뮬레이션은 AI 환자가 연수생 입력에 실시간으로 응답하는 역동적 인 사전 동의 대화를 안내합니다. 이 플랫폼은 현실적인 환자 페르소나를 모방하도록 프로그래밍되며 각 시나리오 후에 자동화되고 개별화 된 피드백을 제공하여 콘텐츠 완전성, 톤, 공감 및 선명도에 중점을 둡니다.

두 그룹에 사용 된 역할 플레이 시나리오는 임상 상황 (즉, 결합 된 상부 내시경 및 대장 내시경 검사에 대한 사전 동의), 관련 환자 이력 및 동일한 필요한 의사 소통 작업을 포함하여 내용에 맞게 일치합니다. 이 설계는 결과의 차이가 경우 복잡성의 차이보다는 전달 모드에 기인 할 수 있도록하는 것을 목표로합니다.

중재 후 평가 시뮬레이션 세션 후 모든 참가자는 시뮬레이션 된 환자 만남과 관련된 표준화 된 사후 테스트를 완료합니다. 이 평가에서, 연수생은 일관된 스크립트 환자 페르소나에 따라 표준화 된 환자 (SP, 배우)로부터 결합 된 상부 내시경 검사 및 대장 내시경 검사에 대한 사전 동의를 얻어야합니다. SP는 참가자들에게 일관된 응답을 제공하도록 훈련됩니다.

모든 상호 작용은 평가 목적으로 비디오로 기록되어 익명 성을 유지하기 위해 얼굴 특징을 식별하지 않도록합니다. 평가자는 그룹 할당에 대해 눈을 멀게합니다.

사후 테스트 직후에 후속 조사에서 참가자는 사전 동의를 얻는 데있어 자체 효능을 재평가하는 후속 설문 조사를 완료합니다. 중재 그룹은 또한 AI 기반 플랫폼의 유용성, 지각 된 교육 가치 및 수용 가능성을 평가하는 피드백 설문지를 완료 할 것입니다.

결과

• 주요 결과 :

  • SP 사후 테스트 중에 사전 동의를 얻는 능력, 구조적 체크리스트를 사용하여 평가 된 (그룹 할당에 눈을 멀게하는 평가자)
  • SP 사후 테스트 중 커뮤니케이션 성능, 구조화 된 글로벌 등급 척도를 사용하여 평가되었습니다 (그룹 할당에 눈을 멀게하는 평가자)

• 2 차 결과 :

  o 사전 동의를 얻는 데있어서 자기 효능의 변화 (중재 후 설문 조사 점수).

• 다른 결과 (중재 그룹 만); o 현실감, 유용성 및 만족을 포함한 AI 기반 시뮬레이션 (중재 그룹 만)에 대한 연수생 인식.

통계 분석 정량적 데이터는 표준 통계 방법을 사용하여 분석됩니다. 사전 동의 성과 점수와 커뮤니케이션 점수의 그룹 간 차이는 데이터 분포에 따라 독립적 인 샘플 T- 검정 또는 Mann-Whitney U 테스트를 사용하여 평가됩니다. 혼합 디자인 (반복 측정) ANOVA는 자체 효능의 사전 포스트 변화를 평가하고 시간과 그룹 사이의 상호 작용 효과를 테스트하는 데 사용됩니다 (AI vs. 피어 롤 플레인). 개방형 설문 조사 응답의 질적 데이터는 유도 코딩 접근법에 따라 주제별 분석을 사용하여 분석됩니다.