Система цифрового пациента на основе большой языковой модели улучшает навыки сбора анамнеза в офтальмологии

A large language model digital patient system enhances ophthalmology history taking skills
Duoru Lin, Lanqin Zhao, Haotian Lin, Zhenzhen Liu, Yahan Yang, Xiaohang Wu, Yangfan Yang, Yiqing Li, Mingjie Luo, Jianyu Pang, Shaowei Bi, Yunxi Lai, Jingjing Chen, Lixue Liu, Ling Jin, Wenben Chen, Rongxin Chen, Ching‐Kit Tsui, Kezheng Xu, Yuxian Zou
2025-08-04

цифровой пациентбольшая языковая модельсбор медицинского анамнезаофтальмологическое образованиесистема с дополненной поиском генерацией
Клинические стажёры имеют ограниченные возможности для отработки навыков сбора анамнеза из-за недостаточного разнообразия клинических случаев и ограниченного доступа к реальным пациентам. Для решения этой проблемы мы разработали систему цифрового пациента на основе большой языковой модели (LLMDP), которая преобразует обезличенные электронные медицинские карты в виртуальных пациентов с голосовым взаимодействием, способных поддерживать диалог в свободной текстовой форме и предоставлять адаптивную обратную связь, используя ранее созданную нами открытую платформу с дополненной поиском генерацией. В одноцентровом рандомизированном контролируемом исследовании (ClinicalTrials.gov: NCT06229379; N = 84) у студентов, обучавшихся с помощью LLMDP, прирост оценок навыков сбора анамнеза составил 10,50 балла (95% ДИ: 4,66–16,33; p < 0,001) по сравнению со студентами, использовавшими традиционные методы. Студенты, обучавшиеся с помощью LLMDP, также продемонстрировали более высокий уровень эмпатии. Участники сообщили о высокой удовлетворённости LLMDP, подчеркнув его роль в снижении затрат на обучение и повышении уверенности при взаимодействии с реальными пациентами. Эти результаты свидетельствуют о том, что цифровые пациенты на основе больших языковых моделей улучшают навыки сбора анамнеза и обеспечивают масштабируемый и безопасный путь интеграции генеративного искусственного интеллекта в офтальмологическое образование.
1
Голосовая система цифрового пациента на основе большой языковой модели преобразует обезличенные электронные медицинские записи в виртуальные адаптивные сценарии сбора анамнеза.
2
В одноцентровом рандомизированном контролируемом исследовании с участием 84 студентов обучение с LLMDP повысило баллы оценки сбора анамнеза на 10,50 пункта по сравнению с традиционными методами (95% ДИ: 4,66–16,33; p < 0,001).
3
Участники высоко оценили систему, отметив снижение стоимости обучения и повышение уверенности во взаимодействии с реальными пациентами.
4
Студенты, обучавшиеся с LLMDP, продемонстрировали более высокий уровень эмпатии по сравнению с участниками традиционного обучения.
5
Система представляет собой масштабируемый и низкорисковый подход к интеграции генеративного ИИ в офтальмологическое образование.

система цифрового пациента на основе LLM для обучения сбору анамнеза в офтальмологии

эффективность системы в повышении навыков сбора анамнеза, эмпатии, уверенности и удовлетворённости обучением у клинических стажёров

Publication Details
Publication Date
2025-08-04
Journal
Publisher
ISSN
Cited by
39
Access Type
Author Information
Authors
Duoru Lin
Lanqin Zhao
Haotian Lin
Zhenzhen Liu
Yahan Yang
Xiaohang Wu
Yangfan Yang
Yiqing Li
Mingjie Luo
Jianyu Pang
Shaowei Bi
Yunxi Lai
Jingjing Chen
Lixue Liu
Ling Jin
Wenben Chen
Rongxin Chen
Ching‐Kit Tsui
Kezheng Xu
Yuxian Zou
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%