Publikationen

Problembeschreibung/Zielsetzung

Simulationsgespräche mit Simulationspersonen (SPs) sind ein etabliertes und unverzichtbares Format in der medizinischen Ausbildung. Ihre Ressourcenintensität beschränkt den Einsatz jedoch auf curricular verankerte Kurse; ein niedrigschwelliges, selbstgesteuertes Üben bleibt kaum möglich. Anders als für prozedurale Fertigkeiten existieren für die Arzt-Patienten-Kommunikation (APK) kaum extracurriculare Trainingsformate, obwohl Studierende ein entsprechendes Bedürfnis äußern.

Large Language Model (LLM)-basierte virtuelle Patientinnen (VPs) bieten einen vielversprechenden Ansatz, diese Lücke zu schließen. Das vom Bundesministerium für Forschung, Technologie und Raumfahrt geförderte Projekt MediMentor-AI (16SV9570) entwickelt eine digitale Übungsplattform, die realitätsnahe virtuelle Patientinnen bereitstellt und Gespräche automatisiert hinsichtlich qualitativer Aspekte der Kommunikation auswertet.

Projektbeschreibung/Evaluationsmethoden

Im Rahmen einer Pilotmachbarkeitsstudie wurde ein LLM-basierter Voicebot-Demonstrator evaluiert, der drei VPs auf Basis standardisierter SP-Rollenbeschreibungen aus etablierten medizinischen Lehrformaten mittels GPT-4 realisiert. Acht Medizinerinnen (Fachärztinnen, Lehrende, Tutor*innen; Ø 9,6 Jahre Berufserfahrung) führten Anamnesegespräche mit allen drei VPs (je 8–12 Min.) und stellten anschließend eine Diagnose. Vier Konstrukte wurden mittels Fragebögen erhoben: Simulationsfidelität, wahrgenommener Nutzen, Soziale Präsenz und Nutzungsintention, bewertet anhand vordefinierter Traffic-Light-Kriterien.

Ergebnisse

Drei der vier Progressionskriterien erreichten den Grünlichtstatus: Die medizinischen Fachleute bewerteten die Simulationsfidelität, den wahrgenommenen Nutzen für die Lehre sowie die Nutzungsintention durchweg positiv, dabei letztere sowohl für den Einsatz im Präsenzunterricht als auch im Selbststudium. Lediglich die wahrgenommene soziale Präsenz verfehlte den Zielwert und fiel in den Gelbbereich, was darauf hindeutet, dass die rein sprachbasierte Interaktion das Erleben einer echten zwischenmenschlichen Begegnung noch nicht vollständig abbildet. Zudem variierte die Bewertung des Gesprächsrealismus zwischen den drei Szenarien, was auf Optimierungsbedarf bei der Ausgestaltung einzelner VPs hinweist.

Diskussion

Die Studie belegt die grundsätzliche Machbarkeit und das didaktische Potenzial LLM-basierter VPs für das APK-Training. Als skalierbare, jederzeit verfügbare und kostengünstige Ergänzung zu SP-basierten Formaten adressieren solche Systeme zentrale Engpässe in (Selbst-)Studium und Weiterbildung.

This paper presents a feasibility study investigating the use of a large language model-driven virtual patient voicebot for medical communication training. The voicebot simulates three distinct virtual patients based on standardized patient role descriptions commonly used in medical education. The study aims to evaluate the feasibility of using LLMs for simulating realistic amnesis interviews. Feedback from medical professionals was collected to assess feasibility in simulating human-like interactions and educational relevance. Initial results indicate promising potential for integrating LLM-driven VPs into medical training, offering realistic, scalable patient interactions. The study provides a foundation for further research on the use of conversational agents as virtual patients in healthcare education