跳转到主要内容
ukiyo journal - 日本と世界をつなぐ新しいニュースメディア 标志
  • 全部文章
  • 🗒️ 注册
  • 🔑 登录
    • 日本語
    • English
    • Español
    • Français
    • 한국어
    • Deutsch
    • ภาษาไทย
    • हिंदी
cookie_banner_title

cookie_banner_message 隐私政策 cookie_banner_and Cookie政策 cookie_banner_more_info

Cookie设置

cookie_settings_description

essential_cookies

essential_cookies_description

analytics_cookies

analytics_cookies_description

marketing_cookies

marketing_cookies_description

functional_cookies

functional_cookies_description

AI革新临床技能评估——Treatment.com AI的“Medical Education Suite”最新版在明尼苏达大学全面投入使用

AI革新临床技能评估——Treatment.com AI的“Medical Education Suite”最新版在明尼苏达大学全面投入使用

2025年06月11日 17:06

目录



  1. 前言

  2. MES开发的背景——AI与医学教育的交汇点

  3. 什么是AI模拟患者

  4. 明尼苏达大学的引入案例

  5. 平台的技术特征

  6. 教育与运营成本削减的影响

  7. OSCE评估的客观性提升与学习效果

  8. 国际拓展与对日本的启示

  9. 课题与未来展望

  10. 总结






1. 前言

医学生的临床技能定量测量OSCE,传统上一直高度依赖于“标准化患者(SP)”和教师的人力资源。因此,评估的差异、准备负担和成本高涨成为了长期问题。MES利用AI技术,通过自动化临床场景的生成、对话、评分,从根本上重新审视这些问题。




2. MES开发的背景——AI与医学教育的交汇点

自新冠疫情以来,远程教育和电子学习的需求增加,使用LLM(大规模语言模型)的模拟研究激增。例如,斯坦福大学等试行的“MedSimAI”或“合成患者”也报告了AI患者对话训练的有效性。 

Treatment.com AI基于这一趋势,以超过10,000件临床评审为基础的GLM为核心,打造了教育机构可立即使用的SaaS型套件。




3. 什么是AI模拟患者

AI患者结合病例数据和自然语言生成模型,实时再现病史采集、身体检查、检验结果展示、情感表达。在MES中


  • 诊断推理:根据学生的问题内容改变症状

  • 实时评分:自动映射到学习目标的评估指标

  • 即时反馈:提供个性化的解说和再学习资源

    等功能被整合在内。




4. 明尼苏达大学的引入案例

在明尼苏达大学医学院,针对240名三年级学生实施了由11个站点组成的高风险OSCE。报告的技术故障为零,并实现了比传统方法约40%的行政成本削减。助理院长Claudio Violato教授评论道:“AI极大地提高了学生评估的可靠性和一致性。”




5. 平台的技术特征

功能

概要

教育效益

基于GLM的AI患者

超过700种案例模板和即时定制

确保接近实际临床的多样性

实时评分

与LCME标准和Bloom分类联动

评估的客观性和即时性

云端分发

支持校园/远程

不受地点限制的考试环境

分析仪表板

个人和群体分析、弱点诊断

数据驱动的课程改进




6. 教育和运营成本削减的影响

  • 准备时间:大幅减少SP安排、剧本制作、评分表制作等人力成本

  • 教师负担:通过自动化评分和反馈,将指导时间重新分配到质性指导

  • 财务效果:大学估算节省40%的行政费用(年均数十万美元规模)




7. 提高OSCE评估的客观性和学习效果

AI患者能够为所有考生提供相同条件,从而降低评估偏差。此外,利用自然语言处理的逐字记录,还可以量化沟通技能和同理心态度。搭载GLM的临床推理引擎可以分析错误模式,并自动生成个性化补救指导。




8. 国际拓展与对日本的启示

Treatment.com AI正在与北美和英国的医学院进行协商,未来也将考虑亚洲市场。在日本,计划于2028年度开始进行OSCE的在线化验证,MES的案例很可能成为参考模型。在面临医生分布不均和指导医生不足困扰的地区医疗教育中,利用AI患者进行远程评估可能成为一个有力的解决方案。




9. 课题与未来展望

  • 偏见管理:对AI模型学习的临床数据的地域差异和种族差异的考量

  • 考生认证:远程考试时的身份验证技术

  • 伦理验证:AI评分算法的透明性和问责性

  • 国内法规:个人信息保护和医疗器械适用性的审查



为了解决这些问题,公司计划与第三方机构进行联合研究并发表经过同行评审的论文。




10. 总结

Medical Education Suite通过AI支持临床技能评估,解决了“人力资源限制”“评估差异”和“成本增加”这三个长期存在的问题。明尼苏达大学的引入结果表明,AI患者在补充SP的同时,提高了教育效果和运营效率,是一个现实的解决方案。在日本医学教育中,随着CBT和OSCE改革的推进,MES的经验将成为教育数字化转型的指南针。





参考文章

  • Treatment.com AI发布文章(Aktiencheck.de)

  • GlobeNewswire新闻稿

    Hicke Y. 等人 “MedSimAI: Simulation and Formative Feedback Generation to Enhance Deliberate Practice in Medical Education.” arXiv:2503.05793 (2025).

  • Chu S. N. & Goodell A. J. “Synthetic Patients: Simulating Difficult Conversations with Multimodal Generative AI for Medical Education.” arXiv:2405.19941 (2024).


Treatment.com AI宣布通过AI模拟患者增强临床技能培训的新医疗教育套件
来源: https://www.aktiencheck.de/news/Artikel-Treatment_com_AI_Announces_New_Medical_Education_Suite_to_Enhance_Clinical_Skills_Training_Through_AI_Simulated_Patients-18654690

← 返回文章列表

联系我们 |  服务条款 |  隐私政策 |  Cookie政策 |  Cookie设置

© Copyright ukiyo journal - 日本と世界をつなぐ新しいニュースメディア All rights reserved.