← 返回

什么是虚拟患者？AI 为学习和考核带来了哪些改变？

发布于 · 作者 Making Synapses

医学与教育中的 AI

虚拟患者是对真实临床病例的计算机模拟，由你扮演临床医护人员。传统版本按照脚本或选项菜单进行，而 AI 虚拟患者可以通过语音或聊天回答你自由提出的问题，并对你实际说的话作出反应。在明确的学习目标和反馈下使用，它们既能支持学习，也能用于考核。

什么是虚拟患者？

虚拟患者是一位模拟患者，你以医护人员的身份在屏幕或头显中对其进行问诊、检查和处理。Society for Simulation in Healthcare（SSH）在与 Agency for Healthcare Research and Quality（AHRQ）共同出版的 Healthcare Simulation Dictionary 中给出了最宽泛的含义：“对真实患者的一种呈现。虚拟患者可以有多种形式，例如基于软件的生理模拟器、模拟患者、实体模拟人和模拟器。”

正因为范围这么广，这个词容易让人困惑。BMC Medical Education 上的一篇综述发现，“虚拟患者”一词已使用多年，“但其含义各不相同，导致了混淆”。作者对 536 篇文章进行了分类，发现其中 330 篇将其用于教育。在这些文章中，最常见的形式是 Interactive Patient Scenario（交互式患者情境，37%），其次是 High Fidelity Software Simulations（高保真软件模拟，19%）和 Virtual Standardized Patients（虚拟标准化病人，16%）。

在日常使用中，学生和教师通常指的是两种东西：

  1. 交互式患者情境。 屏幕上的一个病例，你一步一步地选择问题、检查和决策。
  2. 虚拟标准化病人。 一个可以与你交谈的角色，会像真实患者一样回答，让你练习问诊本身。

AI 对第二种最为重要。关于这种形式及其证据的完整介绍，请参阅什么是虚拟患者模拟。

与传统虚拟患者相比，AI 虚拟患者改变了什么？

AI 虚拟患者让你用自己的话问任何问题并得到恰当的回答，而不是从预先写好的问题列表中挑选。仅这一项变化，就把分支式病例变成了真正的对话。

传统虚拟患者是按分支搭建的：作者事先写好每一个问题和每一个回答。2024 年发表在 Healthcare 上的一篇系统综述将这类设计描述为“半对话式环境（通常是从列表中选择选项，而不是使用自然语言）”，并因其真实感较低而将其排除。同一篇综述指出，“最近，AI 的出现促进了对话式模拟，使学生能够与患者实时互动”，而且当互动更真实时，学生满意度往往更高，“这通常得益于模拟器中使用了人工智能（AI）和自然语言处理（NLP）”。

Mayo Clinic 在 Journal of Medical Internet Research 上发表的一项研究清楚地说明了这种对比。在医生评估了 60 段与 AI 虚拟患者的对话后，作者写道：“这些无脚本、能即时回应的对话与大多数现有虚拟患者形成鲜明对比，后者很难再现真实而灵活的对话，往往根本没有尝试。”评估者最常认为能增加真实感的特点，是患者表达偏好或作出明确选择，在 180 次评估中有 106 次提到（58.9%）。

实践中的变化如下：

  1. 自由提问。 问题由你自己组织，所以病例考查的是你是否知道该问什么，而不是你能否在菜单里认出它。
  2. 动态回答。 动态 AI 虚拟患者会回答追问、澄清、提出异议并表达担忧，就像门诊里的真人一样。
  3. 自然顺序。 问诊的顺序由你决定，而这正是考官观察的重点。
  4. 更丰富的反馈。 图宾根大学的团队在 JMIR Medical Education 中指出，“传统虚拟患者提供的反馈往往很少”，而 AI 可以针对你问到或遗漏的具体内容给出评价。

可以通过语音或聊天与 AI 虚拟患者交谈吗？

可以。AI 虚拟患者以语音或聊天的形式进行接诊，部分工具两种都支持。Healthcare 的那篇综述只纳入了“可对话的、通过语音或键盘、在所有情况下都使用自然语言”的虚拟患者。

在研究中，聊天仍是最常见的形式。2025 年发表在 Journal of Medical Internet Research 上的一篇纳入 28 项研究的范围综述发现，这些研究使用自然语言，“包括文本（n=14）和语音（n=7），另有 1 项研究同时支持两种模式”。文本效果很好：Mayo Clinic 的作者观察到，他们的虚拟患者“只使用书面文本；然而，即使有这一限制，真实感仍然很高”。

每种模式训练的侧重点略有不同：

  1. 打字（聊天接诊）。 适合安静学习，也便于事后回看自己的确切措辞。
  2. 说话（语音接诊）。 更接近 OSCE（客观结构化临床考试）考站：你能听到自己的节奏和措辞，而且问题一旦说出口就无法修改。

一个实用的常规是：先用聊天学习一种新的病例类型，再大声重复，直到流程变得自然。

应该向虚拟患者问哪些问题？

问你会问真实患者的同样问题，按逻辑顺序，一次只问一个。AI 虚拟患者会奖励结构化的病史采集，也会很快暴露遗漏之处。

Association of American Medical Colleges 在其 Core EPA 指南中设定了目标：“学习者需要将医学的科学基础与临床推理技能相结合，以指导其信息收集。”它将初级学习者描述为表现出“在收集信息时的遗漏或错误”。在其关于尚未达标学习者的示例中，这名学生采集了完整病史，但“没有包括职业史或旅行史”。

对任何虚拟患者都可以使用这份问题清单：

  1. 开场。 自我介绍，核对患者的姓名和出生日期，并征得同意后开始。
  2. 主诉。 “您今天因为什么来就诊？”然后先让患者说，再逐步聚焦。
  3. 现病史。 起病、部位、持续时间、性质、加重或缓解因素、放射、时间特点和严重程度。
  4. 伴随症状和危险信号。 询问那些会改变你对这一主诉处理方案的症状。
  5. 既往内科和外科史。 既往发作、慢性病、住院和手术。
  6. 用药和过敏史。 包括非处方药和补充剂，以及每种过敏的反应。
  7. 家族史。 父母和兄弟姐妹中与这一主诉相关的疾病。
  8. 社会史。 吸烟、饮酒、药物使用、居住情况、职业和近期旅行。
  9. 患者的看法。 “您觉得是什么引起的？”以及“您最担心的是什么？”
  10. 系统回顾。 对其他系统做简短筛查。
  11. 总结与核对。 总结你听到的内容，并询问是否有遗漏。

怎么问和问什么同样重要。在图宾根的研究中，学生每段对话提问的中位数为 18 个，大多简短清楚。但仍有 6.3% 的问题使用了医学术语，3.3% 是一次问多件事的连环问题，1.2% 只有一个词，例如“吸烟”。在所有对话中，自我介绍出现在 69.6% 的问诊里，主诉出现在 52.7%，系统回顾只出现在 29.7%。明斯特大学在 BMC Medical Education 上发表的一项试验还发现，一些学生“学会了”把几个问题合并成一条消息，作者指出，“连续提出多个问题并不反映病史采集对话中的真实情境”。

明斯特团队用一个量表为问诊评分，这个量表很适合用来自查。其条目包括“主导对话”“明确症状”“按逻辑顺序提问”“与患者核实”和“总结”。如果你的问诊做到了这五点，你就在练习考官看重的常规。

虚拟患者如何用于学习和考核？

当目标是带反馈的练习时，虚拟患者用于学习；当表现按预设标准评分时，则用于考核。AI 让两者都更具对话性。

用于学习时，关键是重复与反思。National Council of State Boards of Nursing 在其 Simulation Guidelines for Prelicensure Nursing Education Programs 中称模拟是“一种技术方法，而不是一种科技产品”，并要求教师营造一个“鼓励主动学习、反复练习和反思”的学习环境。INACSL Healthcare Simulation Standards of Best Practice 补充道：“基于模拟的体验是有目的地设计的，以满足既定目标并优化预期结果的达成。”

AI 虚拟患者很适合这一模式。在明斯特的试验中，21 名医学生每人完成了四个 AI 患者病例，每次病史采集六分钟。学生们认为这些模拟准确（8.67 分，满分 10 分）、可行（8.38 分，满分 10 分）且真实（7.81 分，满分 10 分）。那篇范围综述还写道：“该系统使任何人都能随时训练，不受时间或空间限制。”

用于考核时，SSH 词典区分了两种：

  1. 形成性评价，“一个让参与模拟活动的个人或小组获得建设性反馈以便改进的过程”。
  2. 终结性评价，“一个确定参与医疗活动者能力的过程”。

INACSL 确认，“基于模拟的体验可以包括对学习者的评价”。使用虚拟患者时，每位学习者面对相同的病例和相同的评分表，使模拟考试公平且可重复。那篇范围综述指出，“高度互动的虚拟患者让教育者能够通过直接观察学生的能力，更好地评估其临床推理技能”。好的 AI 病例使用固定的分步评分表，让对话感觉自然，同时评分保持一致。

把两种用途结合起来的简单方法：

  1. 教学。 在有提示的情况下完成一个新病例，并读完每一行反馈。
  2. 训练。 在没有提示的情况下重复，直到分数稳定。
  3. 考核。 在时间压力下完成一个随机病例。

护理和院前急救专业的学生可以免费在线使用 AI 患者虚拟模拟吗？

可以。AI 患者虚拟模拟适用于任何训练病史采集和患者评估的专业，并且有好几款工具提供免费病例供你起步。

护理专业已经把模拟作为核心教学方法，NCSBN 指南强调的是体验的质量。一个有明确目标和反馈的 AI 患者病例，是在临床实习前演练重点评估的好方法。请查看护理专业页面，了解这与 NCLEX 备考的关系。

院前急救专业的学生可以在技能考试前演练患者问诊和现场沟通（见院前急救专业页面），医师助理学生则练习与医学生相同的病史采集和体格检查常规（见医师助理专业页面）。更多免费选择，请参阅哪里可以找到免费在线 AI 患者模拟器。

Making Synapses 如何使用 AI 虚拟患者？

Making Synapses（医学模拟器）的每个病例都由 AI 虚拟患者完成。你通过语音或打字与 AI 患者交谈，AI 患者会回答你。Making Synapses 中的一切都是 AI：患者、评分表批改、分数，以及 Making Synapses AI 主治医师给出的反馈。

Making Synapses 可免费开始：你有 10 个免费病例，每玩一个病例就用掉一个。之后，有 3 个病例永久免费。订阅即可解锁所有病例，订阅者还可以在多人模式中与朋友或同学分享自己的病例，只要由订阅者主持会话并保持连接。

每个病例都是一个 OSCE 考站：一位 AI 患者、一份由 AI 批改的分步评分表、0 到 100% 的分数，以及 Making Synapses AI 主治医师的即时反馈。你可以用双手以及听诊器、叩诊锤和笔式手电筒等器械进行检查，在 PC 上用鼠标和键盘，或在 VR 中用激光指针。教学、训练和考核模式遵循上文的学习与考核循环，OSCE 考试按钮会从你的专业中随机挑选一位患者，以考核模式开始：没有提示，并有时间限制。

Making Synapses 拥有 726 个 AI 临床病例，支持 5 种语言，覆盖医学（MD、DO）、医师助理（PA）、护理（RN、PN、NP）和院前急救（EMT、急救医护人员）。病例围绕 USMLE Content Outline、COMLEX-USA Master Blueprint、AAMC Core EPAs、NCCPA PANCE Blueprint、NCLEX-RN 和 PN 2026 Test Plans、National EMS Education Standards 和 NREMT 以及 INACSL Standards 编写，每个病例都会标出它训练的考试领域。每次尝试都保存在你的账户中。教师在网页上编辑病例，修改会实时同步到模拟器，并可查看每位学生的成绩，让每一代新的医护人员都能在真正上场之前演练接诊。更多详情请见学生页面、OSCE 考试页面和 Making Synapses 常见问题。

常见问题

有免费的 AI 虚拟患者吗？

有。Making Synapses 可免费开始，提供 10 个免费的 AI 患者病例，无需绑定银行卡。用完之后，有 3 个病例永久免费。你通过语音或打字与 AI 患者交谈、进行检查，并获得由 AI 评分的评分表和即时反馈。订阅即可解锁所有病例，订阅者还可以在多人模式中与朋友或同学分享自己的病例，只要由订阅者主持会话并保持连接。

有像 ChatGPT 那样的医学 AI 吗？

有。通用的 AI 聊天助手可以讨论医学话题，研究人员也使用同类技术来构建 AI 虚拟患者。2025 年的一篇范围综述发现，其分析的研究中有 95.7% 使用了 OpenAI 的 GPT 模型。虚拟患者与助手不同：它扮演一位有明确病例的患者，而你是临床医护人员。

虚拟患者是什么意思？

虚拟患者是对真实患者的一种呈现，通常是你以临床医护人员身份进行问诊和检查的软件。这个词既包括简单的交互式情境，也包括对话角色和完整的模拟，所以最好确认一款工具提供的是哪一种。

患者模拟器游戏和虚拟患者是一回事吗？

很多时候是的。许多患者模拟器游戏就是带有分数和重玩功能的虚拟患者。对学习而言，关键在于游戏是否遵循真实的临床步骤，并给出具体反馈。

面对 AI 虚拟患者，首先应该问什么？

先自我介绍并核对患者身份，然后提一个开放式问题，例如“您今天因为什么来就诊？”让患者完整回答后，再转入有针对性的问题。

AI 虚拟患者可以用于考核吗？

可以，尤其适用于形成性评价和模拟考试。虚拟患者给每位学习者相同的病例，并按相同的评分表步骤打分；限时且无提示的模式还能再现 OSCE 考站的条件。

参考来源

  1. Society for Simulation in Healthcare; Lioce L, ed. Healthcare Simulation Dictionary, Third Edition. Agency for Healthcare Research and Quality, AHRQ Publication No. 24-0077, 2025.
  2. Association of American Medical Colleges. Core Entrustable Professional Activities for Entering Residency: Faculty and Learners' Guide. AAMC, 2014.
  3. National Council of State Boards of Nursing. NCSBN Simulation Guidelines for Prelicensure Nursing Education Programs. NCSBN, 2016.
  4. International Nursing Association for Clinical Simulation and Learning. Healthcare Simulation Standards of Best Practice. INACSL, 2025.
  5. Kononowicz AA, Zary N, Edelbring S, Corral J, Hege I. Virtual patients - what are we talking about? A framework to classify the meanings of the term in healthcare education. BMC Medical Education, 2015.
  6. García-Torres D, Vicente Ripoll MA, Fernández Peris C, Mira Solves JJ. Enhancing Clinical Reasoning with Virtual Patients: A Hybrid Systematic Review Combining Human Reviewers and ChatGPT. Healthcare, 2024.
  7. Cook DA, Overgaard J, Pankratz VS, et al. Virtual Patients Using Large Language Models: Scalable, Contextualized Simulation of Clinician-Patient Dialogue With Feedback. Journal of Medical Internet Research, 2025.
  8. Zeng J, Qi W, Shen S, et al. Embracing the Future of Medical Education With Large Language Model-Based Virtual Patients: Scoping Review. Journal of Medical Internet Research, 2025.
  9. Holderried F, Stegemann-Philipps C, Herrmann-Werner A, et al. A Language Model-Powered Simulated Patient With Automated Feedback for History Taking: Prospective Study. JMIR Medical Education, 2024.
  10. Brügge E, Ricchizzi S, Arenbeck M, et al. Large language models improve clinical decision making of medical students through patient simulation and structured feedback: a randomized controlled trial. BMC Medical Education, 2024.

相关文章