Руководство по разработке промптов: основы и применение для специалистов по медицинской симуляции
A guide to prompt design: foundations and applications for healthcare simulationists
2025-01-30
SCID: 54.1/v6jdvcuw
Discuss with AI
этика генеративного ИИмедицинская симуляциябольшие языковые моделидизайн промптовсимуляционное образование
Figures from the paper
Abstract (AI)
Большие языковые модели (БЯМ), такие как ChatGPT, Gemini и Claude, все шире применяются в медицинской симуляции; в данной статье специалистам по симуляции предлагается практическое руководство по эффективной разработке промптов. На основе структурированного обзора литературы и итерационного тестирования промптов в статье сформулированы лучшие практики создания калиброванных промптов, рассмотрены различные типы и методы промптинга на примере конкретных вариантов применения, а также проанализированы проблемы, включая этические аспекты использования БЯМ в медицинской симуляции. Руководство помогает восполнить дефицит знаний специалистов по симуляции об использовании БЯМ в симуляционном обучении и содержит рекомендации по разработке промптов, адаптированные к их потребностям. Примеры были разработаны путем итерационного тестирования для обеспечения соответствия целям симуляции; они охватывают такие варианты применения, как разработка клинических сценариев, создание станций объективного структурированного клинического экзамена (OSCE), написание сценариев для симулированных пациентов и проведение дебрифинга. Эти варианты применения предлагают простые в использовании методы повышения реалистичности, вовлеченности и соответствия образовательным целям в рамках симуляционного обучения. Наряду с этическими аспектами, специфичными для медицинского образования, обсуждаются ключевые проблемы интеграции БЯМ, включая предвзятость, вопросы конфиденциальности, галлюцинации, недостаточную прозрачность, а также необходимость надежного надзора и оценки. Представлены рекомендации, помогающие специалистам по симуляции формулировать промпты в соответствии с образовательными целями и одновременно снижать связанные с этим риски. Эти выводы вносят ценный и своевременный вклад в знания, необходимые специалистам по симуляции, стремящимся ответственно использовать возможности генеративного искусственного интеллекта в медицинском образовании.
Key Findings
1
В работе сформулированы рекомендации по созданию калиброванных промптов и рассмотрены различные типы и методы промптинга на примерах медицинской симуляции.
2
Итеративно протестированные примеры охватывают разработку клинических сценариев, создание станций OSCE, написание сценариев для симулированных пациентов и проведение дебрифинга.
3
Рекомендации по разработке промптов направлены на повышение реалистичности симуляций, вовлечённости обучающихся и соответствия образовательным целям.
4
В качестве ключевых проблем выделены предвзятость, риски конфиденциальности, галлюцинации, недостаточная прозрачность и необходимость строгого надзора и оценки с учётом этических требований.
5
Статья предлагает практическое руководство по разработке промптов для специалистов по медицинской симуляции, основанное на структурированном обзоре литературы и итеративном тестировании.
Research Object
разработка промптов для больших языковых моделей в симуляционном обучении в здравоохранении
Research Subject
передовые практики, методы и способы снижения этических рисков при создании калиброванных промптов, согласованных с целями симуляции и обучения
Publication Details
Publication Date
2025-01-30
Journal
Publisher
ISSN
Cited by
60
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest
Источники этой статьи в scid.ai9
Большие языковые модели кодируют клинические знания2023
Всесторонний обзор больших языковых моделей2025
Полезность ChatGPT в образовании, исследованиях и практике здравоохранения: систематический обзор перспективных возможностей и обоснованных опасений2023
Преимущества, ограничения и риски GPT-4 как чатбота на основе ИИ для медицины2023
Платформа для оценки клинической безопасности и частоты галлюцинаций больших языковых моделей при суммировании медицинских текстов2025
Промпт-инжиниринг как важный новый навык для медицинских работников: учебное руководство2023
Искусственный интеллект в здравоохранении и образовании2023
Проектирование промптов в медицинском образовании2023
Оценка больших языковых моделей как агентов в клинической практике2024