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

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

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).