完整采集病史、在分诊中正确排定优先级、向家属传达坏消息——这些技能靠阅读学不会，只能在实践中提升。在真实患者床旁不能“试一试”。而模拟实验室、标准化病人演员和带教老师的时间，并非每家机构都充足。对轮班工作的护士来说，定期参加模拟课程往往也不现实。
人工智能辅助的病例模拟是有望填补这一空白的方法之一：学员在电脑或手机上与扮演病人的“虚拟病人”文字对话，随后按照预先设定的标准评估其表现。本文介绍这一方法的运作方式、评分量表评估、为何只应使用合成病例，以及最重要的——它的局限。
什么是病例模拟？虚拟病人做什么？
病例模拟是一种培训方法：学员面对一个接近真实的临床情境并作出决策，随后获得反馈。在文献中，“虚拟病人”（virtual patient）指在计算机环境中进行此类互动的交互式情景。
与传统方法的区别
- 模型与技能实验室：对动手技能不可或缺；但需要场地、设备和带教老师。
- 标准化病人：由受过训练的演员扮演病人。在沟通培训中价值很高，但组织工作量大，只能偶尔开展。
- 书面病例：易于分发，但没有互动；学员不必提出正确的问题也能读到所有信息。
人工智能虚拟病人的目标，是让书面病例的易得性接近标准化病人的互动性。学员不问对问题，就得不到信息；如果病人焦虑，可能会闪烁其词或反复说同样的话。
如何运作？
典型流程包括四个步骤：
- 病例卡：临床专家或培训负责人编写一张虚构的病例卡，内容包括病人的年龄、主诉、病史、体征、“只有被问到才说”的信息以及学习目标。
- 角色扮演模型：语言模型在病例卡的范围内扮演病人，并通过规则加以约束，避免编造卡片上没有的体征。
- 问诊互动：学员采集病史、作出分诊决定、核查医嘱用药，或向病人及家属进行说明。
- 评估：对话结束后，由第二个模型按预先设定的评分量表为对话记录打分，并给出每项得分的理由。
将扮演病人的模型与负责评估的模型分开非常重要。如果扮演病人的系统同时为这次问诊打分，评估的独立性就会被削弱。
证据怎么说？
虚拟病人方法并不新；在语言模型出现之前，上一代虚拟病人使用的是预先编写的分支情景。2019年一项汇总该代研究的系统综述与荟萃分析（Kononowicz等，《Journal of Medical Internet Research》）纳入了51项随机对照试验，共4,696名参与者。作者认为，与传统教学相比，虚拟病人模拟在提升技能方面更有效，在提升知识方面至少同样有效。该研究同时强调，证据质量总体较低，且各研究之间存在明显差异。
这里需要说明两点。第一，这些结果不能直接推广到基于语言模型的虚拟病人；生成式人工智能模拟的效果需要单独衡量。第二，世界卫生组织（WHO）在2024年1月发布的大型多模态模型伦理与治理指南中，将医学和护理教育（包括模拟患者问诊）列为这类模型的五大应用领域之一。简言之，这一领域前景可期，但需要遵循“先衡量、再验证、后推广”的思路。
适合哪些情景？
| 情景类型 | 训练的技能 | 评分量表中的示例标准 |
|---|---|---|
| 病史采集 | 结构化问诊 | 是否询问了主诉的起始时间、持续时间和伴随症状？ |
| 分诊 | 排定优先级、识别警示体征 | 是否询问了警示体征，优先级决定是否有理有据？ |
| 用药安全 | 医嘱核查、过敏及相互作用询问 | 是否核实了过敏史，是否核查了剂量和给药途径？ |
| 医患沟通 | 清晰解释、确认对方理解 | 是否把医学术语说得通俗易懂，是否确认病人已经理解？ |
| 困难谈话 | 告知坏消息、与情绪激动的家属沟通 | 是否察觉并点明对方情绪，是否明确了下一步安排？ |
表中标准仅为示例；每家机构都应根据自身规程和培训目标制定评分量表。虚拟病人不能取代需要身体和环境参与的技能，例如动手操作、体格检查或团队协作，而只是对其加以补充。
评分量表评估——为什么、怎么做？
评分量表（rubric）是一张预先规定按哪些标准、分哪些等级来评估表现的评分表。在人工智能评估中，评分量表有两个作用：使不同学员之间的评分保持一致，并让模型能为“你为什么给这个分数？”提供具体依据。
好的评分量表具备哪些特点
- 可观察的标准：不写“表现出同理心”，而写“用自己的话复述了病人的担忧”这类能在对话记录中看到的行为。
- 区分关键错误：像未询问过敏史这类直接影响患者安全的疏漏，不应淹没在总分里，而应单独标记。
- 等级定义：每项标准都有清晰的等级，如“未做 / 部分做到 / 完全做到”。
- 必须给出理由：模型应为每项得分引用对话中的原话作为依据。
反馈循环
模拟中最有教学价值的部分，往往在打分之后。学员阅读附理由的反馈，再次尝试同一病例或类似病例时，学习才得以巩固。教育护士在科室层面跟踪结果，可以看出哪项标准存在普遍短板；例如，可能会发现某个病区在用药安全病例中经常漏问过敏史。
合成病例原则
病例模拟中不应使用真实患者数据。主要原因有三：
- 隐私：一个看似匿名的病例，一旦罕见诊断、年龄和日期等信息结合在一起，就可能被识别。
- 没有必要：实现培训目标所需的临床情况，完全可以用虚构的病例卡构建出来。
- 可控：合成病例卡依据学习目标设计；哪条信息在哪个问题下出现，都可以有意识地安排。
编写合成病例卡时，应以机构现行规程为依据；病例卡在相关领域的合格专家审核之前，不应投入使用。规程变更时，病例卡也需要更新；否则模拟只会强化过时的知识。
局限与风险
上述世界卫生组织指南提醒，大型语言模型可能生成虚假、不准确、有偏见或不完整的陈述，而自动化偏差（automation bias）可能导致用户忽视这些错误。在模拟情境中，这些风险表现为：
- 偏离设定：虚拟病人可能“编造”病例卡上没有的体征。需要规则约束和定期抽样检查。
- 评分错误：评估模型可能误读某项标准。应允许学员提出异议，并由人工复核。
- 错误的信心：模拟高分并不等于临床能力证书。其结果应与基于观察的能力评估一并使用，而不能取而代之。
- 适用范围：虚拟病人是培训工具，不应用于为真实患者作出诊断或治疗决定。
人工审核在哪些环节介入？
世界卫生组织2021年发布的卫生领域人工智能伦理指南提出六项原则，其中保护人类自主权，以及责任与问责这两项，同样适用于培训实践。机构在启动病例模拟项目时，可以使用以下自查清单：
- 病例卡在发布前已由相关领域的临床专家审核批准。
- 评分量表由培训部门与科室负责人共同制定；关键错误已单独定义。
- 初期应用中，已将模型评分与带教老师的评分进行比较，检查一致性。
- 定期由人工审阅随机抽取的对话记录。
- 已明确并公布学员对评分提出异议的途径。
- 规程变更时，相关病例卡和评分量表随之更新。
- 已书面规定哪些人可以查看模拟结果。
这些步骤不是为了拖慢进度，而是为了让方法值得信赖。人工智能让大量问诊练习成为可能；而培训内容的准确性，始终由专家负责。
参考来源
- Kononowicz AA等. Virtual Patient Simulations in Health Professions Education: Systematic Review and Meta-Analysis by the Digital Health Education Collaboration. Journal of Medical Internet Research, 2019.
- 世界卫生组织. WHO releases AI ethics and governance guidance for large multi-modal models（2024年1月18日）.
- 世界卫生组织. Ethics and governance of artificial intelligence for health: Guidance on large multi-modal models.
- 世界卫生组织. WHO issues first global report on Artificial Intelligence (AI) in health and six guiding principles for its design and use（2021年6月28日）.
用ATP MedAI开展病例模拟
在ATP MedAI的病例模拟模块中，虚拟病人依据合成病例卡进行角色扮演，可练习病史采集、分诊、用药安全、医患沟通和困难谈话等情景。对话结束后，第二个模型按评分量表为对话打分，并给出附理由的反馈。模拟不需要患者数据。人工智能生成的内容未经专家审核不会发布；结果按个人和科室反映在能力图谱中，个人成绩仅限授权人员查看。欢迎通过演示，与我们共同评估这一方法在贵机构的落地方式。
ATP MedAI编辑团队
本文仅供一般参考。如发现错误或遗漏，请联系我们，我们将及时更正。