Key points are not available for this paper at this time.
가상 환자(VPs)는 의대생의 임상 추론 능력 훈련에 유용한 도구입니다. 그러나 고품질 및 동료 검토된 VPs를 만드는 것은 시간 소모적이며 자원이 많이 필요합니다. 따라서 본 연구의 목적은 생성적 인공지능(AI)이 의대생의 임상 추론 훈련에 적합한 다양한 VPs 컬렉션의 계획 및 생성을 촉진할 수 있는지를 조사하는 것이었습니다. 우리는 ChatGPT를 사용하여 유럽 인구를 적절하게 대표하는 200개의 다양한 VPs를 위한 청사진을 생성했습니다. 우리는 인간과 ChatGPT가 생성할 5개의 VPs를 청사진에서 선택했습니다. 우리는 생성된 청사진의 대표성과 내부 일관성을 평가하였고, 교육적 품질과 내용 정확성을 위해 다단계, 부분 블라인드 프로세스에서 VPs를 검토했습니다. 마지막으로 의대생으로부터 44개의 VP 평가를 받았습니다. 생성된 청사진은 품질 또는 대표성 측면에서 우리의 기대에 미치지 못하였고 반복적인 패턴과 비정상적으로 높은 수의 비전형 VP 윤곽을 보였습니다. ChatGPT와 인간이 생성한 VPs는 교육적 품질 및 의학적 정확성 측면에서 상호 비교 가능했습니다. 두 자료 모두 의학적으로 부정확한 정보를 포함하지 않았고, 검토자와 학생들은 중요한 차이를 구분할 수 없었습니다. 그러나 5개의 인간이 만든 VPs는 스토리텔링, 감별 진단 및 환자-의사 상호작용에서 더 큰 다양성을 보여주었습니다. ChatGPT가 생성한 VPs는 AI 생성 환자 이미지를 포함했지만, 우리는 현실적인 임상 이미지를 생성할 수 없었습니다. 현재 버전의 ChatGPT가 VP 컬렉션을 위한 현실적인 청사진을 생성할 수 있다고 보지는 않지만, 각 단계 후의 반복적인 토론 및 수정과 결합된 프롬프트 프로세스는 유망하며 추가 탐사가 필요하다고 생각합니다. 비슷하게, ChatGPT가 생성한 VPs는 좋은 출발점으로 작용할 수 있지만, 저자와 검토자 간의 상호작용 없이 대규모 컬렉션의 VP 시나리오 다양성은 제한될 수 있습니다.
Fąferek et al. (Thu,)는 이 질문을 연구했습니다.