AI生成的社会机器人虚拟患者反馈

本项目的首要目标是研究：与没有反馈系统的AI赋能的社交机器人虚拟病人平台相比，在AI赋能的社交机器人虚拟病人平台中整合一个直接反馈系统，是否能在医学生的临床推理和沟通技能培训方面更为有效？

该研究领域的深入知识有助于优化新技术的使用，并与其他教育资源相结合，以促进有意义的学习成果，包括监督和患者接触。 短期和长期目标是改善医学教育环境，以确保为患有风湿性疾病的患者提供更好的医疗保健，同时也可应用于其他医学学科。 虽然该教育活动仍在不断完善中，但它为学生提供了一个在安全、互动的环境中进行培训的机会。

背景：

在当今的医疗保健领域，大多数服务是在门诊和日间病房提供的，风湿病学领域也是如此。 然而，相当一部分本科医疗专业教育（HPE）仍在住院环境中进行，确保住院患者符合特定的学习成果仍然是一个挑战。 需要住院的患者通常患有长期疾病，常常表现出复杂的疾病表现和并发症，并伴有大量的医疗合并症。 COVID-19大流行凸显了学生在与教师、患者和同伴互动方面面临的额外障碍。 这种情况，加上先前关于本科HPE中理论和实践技能培训替代方法的提议，强调了迫切需要创新的学习活动，以促进学生与HPE课程中体现的患者案例之间进行有意义的互动。

虚拟病人（VP）是为教育目的设计的临床场景交互式数字模拟，通过各种系统和方法呈现。 VP模拟的一个基本组成部分是其交互界面，它使用户能够以多种方式与患者互动：收集病史、进行体格检查以及实施调查策略。 这些全面的互动可能性使用户能够收集基本信息，以进行诊断并为其VP制定适当的管理计划。

卡罗林斯卡大学医院的风湿病诊所在过去15年中补充了医学生的临床实习，通过使用ReumaCase和虚拟交互案例模拟器（VIC）等计算机软件整合VP案例，确保学生与代表性患者互动。 这些平台代表了半线性VP系统，使用户能够在预定的初始患者表现点与最终诊断和管理决策点之间自由导航。 HPE研究已经产生了新颖的学习方法，包括优化的VP实施策略以及通过VP实践发展临床推理（CR）技能的建议。 虽然本科HPE学生认为VP是CR培训的宝贵教育工具，但他们承认这些模拟缺乏真实患者互动的复杂性和互动性。

虽然CR技能在医学教育中很重要，但一些人认为，同理心是参与患者护理的医疗保健从业者最重要的技能之一。 医疗保健提供者的同理心技能已被证明与患者更好的健康结果相关，并能降低住院风险。 在本科医学教育中，同理心行为通常通过角色扮演来训练，学生、演员或教师扮演标准化患者，这些患者代表了教科书式的医疗状况。 然而，标准化患者可能成本高昂，且可用性方面有时会阻碍同理心行为的实践。 一种替代方案可能是VP，它能够实现更真实和互动的沟通形式。

最近的技术进步引入了用户与VP之间增强的交互方法，特别是通过人工智能（AI）和社交机器人技术。 研究人员开发了一个名为社交AI增强机器人界面（SARI）的新平台，将社交机器人Furhat与大型语言模型（LLM）Chat-Generative Pretrained Transformer（Chat-GPT）相结合。 这个新平台已在卡罗林斯卡大学医院风湿病诊所的医学生中实施，以补充他们在临床实习期间的培训，同时结合传统的基于计算机的VP接触（VIC）。 初步研究结果表明，学生认为SARI在培养CR技能方面提供了比传统基于计算机的平台更真实和互动的VP体验。

本项目旨在评估SARI作为医学生VP平台的有效性，比较SARI结合集成的AI生成直接反馈系统是否能进一步提高病史采集的临床表现。

在本研究之前，研究人员总共开发了十个VP案例，这些案例已经实施，目前正在卡罗林斯卡大学医院风湿病科用于临床实习。 其中一半案例是在基于计算机的平台VIC中开发的，另一半是在AI增强的社交机器人平台SARI中开发的。 两个平台中的VP案例都是根据VP平台开发的明确建议开发的，并通过直接（口头反馈和评估表）和间接（通过研究数据分析）反馈不断由医学生评估。

所有VP案例现在都是教育活动“虚拟门诊诊所”的一部分，该活动作为风湿病学临床实习的补充。 在此活动中，所有卡罗林斯卡学院的第六学期医学生在为期一周的风湿病学实习期间，参与一天半的工作日。 “虚拟门诊诊所”自2024年春季起在该诊所进行，每学期六周内接待约150名学生。 在此教育活动中，所有学生都完成所有独特的VP案例，并在每个案例后与风湿病学顾问医师参加后续研讨会，讨论有关案例内容和所代表的风湿性疾病的问题。 在活动开始时，所有学生都被要求参与研究项目，通过评估VP案例，使用VP平台开发的有效指标进一步改进和调查其附加价值。 同意参与并签署知情同意书后，每位学生与SARI的互动将作为音频文件存储并实时转录。 截至目前，约有400名学生与SARI中的五个VP案例进行了互动，产生了近2000次独特的VP互动。

研究人员在2023年期间，利用混合定量和定性方法，对SARI进行了初步评估，并将其在医学生自我感知的CR技能获取方面的表现与VIC进行了比较。 纳入了15名医学生，他们在SARI和VIC中完成了相同的VP案例。 使用先前验证的VP平台开发指数[23]评估了学生自我感知的专注于CR培训的VP体验。 此外，对8名医学生进行了深入访谈。 这项初步评估表明，根据VP评估问卷中的预定义主题，在真实性和VP接触的学习效果方面，SARI具有显著优势。 在分析这些预定义主题的同时，对深入访谈的数据进行了主题分析，得出了四个主题。 学生认为SARI在培训CR、沟通和情感技能方面优于VIC。

在2024年春季，共有23名来自“虚拟门诊诊所”的学生参加了深入访谈，作为一个延续项目，探讨他们对SARI和VIC在CR技能获取方面的附加价值的看法。 对于这项研究，研究人员在每个平台中创建了4个额外的VP案例。 此外，所有学生在完成每个案例后都参加了研讨会，以模拟真实患者接触期间的监督。 对完全转录的访谈进行主题分析得出了类似的发现：学生发现SARI比VIC更真实、更有吸引力，并体验到SARI能够实现高度互动的沟通可能性，并能表达情感，共同提供了真实的体验。 SARI通过允许学生用自己的语言提问，而不是在预定的选项中选择来收集病史，从而比VIC更大程度地促进了主动学习、假设生成和适应性思维。

在进行VP互动之前，学生接受结构化的病史采集培训，涵盖通用方面（适用于所有医学专业）和风湿病学特定组成部分。 这种预备培训确保学生在参与VP案例之前具备基础知识。

学生在VP互动期间通常以两人一组或三人小组的形式工作，每次患者接触中有一名学生担任主导角色。 这种协作方法与支持基于VP的临床推理培训中同伴学习的证据一致。 主导学生与VP进行主要互动，而其他小组成员观察，并可能参与后续讨论和诊断制定。

社交AI增强机器人界面（SARI）：

SARI代表了一种新颖的VP模式，将社交机器人与大型语言模型（LLM）人工智能相结合。 该平台将Furhat社交机器人（由斯德哥尔摩KTH皇家理工学院开发）与OpenAI的GPT-4o-mini语言模型相结合。

Furhat机器人由一个安装在支架上的物理机器人头部组成，具有一个背投动画面部，显示与语音同步的面部表情和嘴唇运动。 机器人包括用于语音识别的麦克风阵列和用于音频输出的扬声器。 机器人在房间中的物理存在创造了研究人员所称的“情境互动”，其中机器人占据实际的物理空间，而不仅仅是基于屏幕的界面。

VP对话系统通过以下技术工作流程运行：

1. 语音识别：通过机器人的麦克风阵列捕获学生语音，并使用自动语音识别（ASR）技术转换为文本。

2. 对话处理：转录的学生输入与以下内容结合：

   • 详细的患者案例描述（包括病史、症状、检查结果和个性特征）
   • 最后10轮对话（以保持对话上下文，同时避免过多的令牌使用）
   • 系统指令，提示LLM从患者的角度而不是作为通用助手进行回应
3. 响应生成：LLM根据患者案例和对话历史生成上下文适当的响应。
4. 情感建模：在对话的特定锚点，LLM还会根据对话上下文生成适当面部表情（例如，担忧、宽慰、焦虑、困惑）的指令。 系统从Furhat软件中可用的预定义表情集中选择。
5. 语音合成：生成的文本响应使用文本转语音（TTS）技术转换为自然语音，动画面部显示同步的嘴唇运动和选定的情感表达。
6. 转录：所有对话都实时自动转录并安全存储，用于后续反馈生成和研究分析。

每个VP案例都遵循VP开发的既定原则，包括：

• 与课程要求一致的明确学习目标
• 基于典型临床场景的现实患者表现
• 适合第六学期医学生的适当复杂程度
• 常见病症和诊断挑战性表现的综合
• 相关心理社会因素和患者担忧的纳入

所有VP案例均以英语呈现，以适应参与该项目的国际交换生。 每个案例都提供标准实验室测试面板及案例特定结果。

VP案例代表了多种风湿性疾病，包括炎症性关节炎、结缔组织疾病和肌肉骨骼疾病。 每个案例都要求学生进行全面病史采集，包括症状特征、功能评估、用药史和相关系统回顾。

本研究中用作干预措施的反馈系统采用了一种复杂的两阶段算法，该算法是与风湿病学顾问医师合作迭代开发的：

阶段1：评估模型

第一阶段使用预定义的评估标准分析完整的学生-VP对话转录。 该标准评估临床表现的多个维度：

沟通技能：

• 适当开始咨询
• 与患者建立融洽关系
• 使用清晰、无术语的语言
• 展示积极倾听
• 表现出同理心并解决患者担忧
• 适当结束咨询

通用病史采集：

• 既往病史探索
• 当前用药和过敏史
• 相关疾病家族史
• 社会史（职业、居住情况、支持系统）
• 生活方式因素（吸烟、饮酒、运动）
• 系统回顾

风湿病学特定病史采集：

• 系统关节症状评估
• 疼痛特征（起病、部位、持续时间、性质、放射、加重/缓解因素）
• 功能影响评估（日常生活活动、工作能力）
• 晨僵持续时间和模式
• 关节外表现
• 炎症性与机械性症状的模式识别

临床推理组成部分：

• 信息收集的系统方法
• 症状模式和临床意义的识别
• 适当的鉴别诊断考虑广度
• 病史采集的逻辑进展

评估模型使用LLM根据此标准评估每个对话，生成这些领域优势和待改进之处的结构化评估。

阶段2：反馈生成

第二阶段将第一阶段的结构化评估转化为可读的、建设性的书面反馈。 反馈生成使用精心设计的提示，指示LLM：

• 以支持性、教育性的语气呈现反馈
• 提供学生对话的具体示例
• 在解决待改进之处之前承认优势
• 提供具体的改进建议
• 专注于学习而非评估

反馈内容和范围学生在完成五个指定的VP接触后，立即收到大约一页（300-500字）的结构化书面反馈。 反馈特别关注病史采集技能，不涉及诊断准确性或管理决策，因为这些方面在后续与风湿病学顾问医师的研讨会中涵盖。

对照组使用相同的SARI平台完成相同的VP案例，但不接收AI生成的反馈。 然而，两组都同等接触社交机器人VP技术，在案例完成后与风湿病学顾问医师参加相同的案例特定研讨会，并可访问对话转录进行自我审查。 唯一的系统差异是是否存在AI生成的反馈。

评估采用基于客观结构化临床考试（OSCE）的结构，使用标准化患者（SPs）在与SARI中所有可用VP互动后进行。 SPs接收书面案例信息，描述患者表现、症状史和相关背景。 SPs还接受培训，以对常见问题形式提供一致的回答，并接受关于适当情感反应、非语言沟通和处理意外问题的指导。

本研究中使用的OSCE标准是与经验丰富的风湿病学顾问医师合作开发的，基于特定于病史采集能力的可信赖专业活动（EPA）框架。 该标准经过试点测试和改进，以确保评估者间的可靠性。

评估评估五个不同的领域，并指定了分数分配（总计10分）：

• 咨询开始时的沟通（0-3分）：占总分的30%
• 通用病史（0-3.5分）：占总分的35%
• 针对性病史（0-1.5分）：占总分的15%
• 诊断和管理推理（0-1分）：占总分的10%
• 咨询结束时的沟通（0-1分）：占总分的10%

6分对应于OSCE考试中的及格分数。 然而，学生被告知本研究没有考试目的，并且不会以任何方式影响他们的成绩。

两名风湿病学顾问医师进行了所有OSCE评估，对干预组或对照组分配情况不知情。 评估者仅提供评估标准，不知道哪些学生收到了AI生成的反馈。 这种盲法在整个数据收集期间都得以保持。