ارایه روشی برای شبیه سازی مجازی بیمار جهت آموزش وتشخیص بالینی توسط پزشکان و دانشجویان پزشکی با استفاده از مدل های زبان بزرگ و تکنیک های هوش مصنوعی

چکیده مقاله

این پژوهش یک چارچوب هوشمند برای بیمار شبیه سازی شده مجازی VSP در حوزه آموزش و تصمیم گیری بالینی معرفی می کند این چارچوب با اتکا بر مدل های زبان بزرگ LLM و تحلیل هم زمان داده های ساختاریافته و غیرساختاریافته بالینی طراحی شده است تا بتواند سناریوهای واقع گرایانه، تعاملی و آموزشی را در محیطی ایمن و کنترل شده فراهم کند در لایه داده، رکوردهای واقعی بیماران از پایگاه های استاندارد مانند مجموعه های MIMIC پس از پاک سازی، استانداردسازی واحدها و ادغام چندمنظوره، به پرونده های یکپارچه JSON تبدیل شدند تا کیفیت، یکپارچگی و قابلیت تحلیل داده ها تضمین شود در لایه هوش مصنوعی، با استفاده از مدل هایی مانند GPT، BioBERT و ClinicalBERT، سناریوهای بالینی تعاملی تولید شد که امکان بازنمایی دقیق رفتار و پاسخ های بیمار را فراهم می سازد در لایه تعامل، شرایطی ایجاد شد که کاربر بتواند با بیمار مجازی وارد گفت وگوی ساختاریافته شود و در محیطی شبیه سازی شده به تمرین شرح حال گیری، تقویت مهارت های ارتباطی و استدلال تشخیصی بپردازد برای ارزیابی سامانه، از چارچوبی چندمعیاره شامل شاخص های Precision، Recall، F۱ و Accuracy همراه با معیارهای معنایی مانند Exact Match، Embedding based Matchو LLM based Semantic Match استفاده شد تا دقت صوری و معنایی خروجی ها به صورت جامع سنجیده شود نتایج نشان داد معماری ماژولار سیستم، علاوه بر کاهش ریسک آموزشی و هزینه ها، امکان شخصی سازی سناریوها، ارائه بازخورد آموزشی و توسعه پذیری به سوی ماژول های تصویربرداری و سیستم های تصمیم یار بالینی را فراهم می کند نوآوری های اصلی پژوهش شامل ادغام چندوجهی داده ها برای بازنمایی غنی و دقیق از وضعیت بیمار، تولید تعاملی سناریوهای بالینی با کنترل میزان اتکا به داده های واقعی، و ارزیابی جامع ترکیبی صوری–معنایی است در نهایت، مسیرهای آینده پژوهش بر کنترل تطبیقی سوگیری مدل ها، اعتبارسنجی میان مرکزی و یکپارچه سازی سامانه با سیستم های آموزشی و ارزیابی مهارت های بالینی OSCE متمرکز خواهد بود در ارزیابی عملکرد، میانگین شاخص ها به ترتیب Precision =۵۰% ، Recall =۳۱% ،=۳۹% F۱ و Accuracy = ۷۸%به دست آمد که نشان دهنده کارایی مناسب چارچوب پیشنهادی در شبیه سازی آموزشی بالینی است

کلیدواژه‌ها

نویسندگان

امیرکسری مومن کاشانی

۱ دانشجوی کارشناسی ارشد، گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران

ایمان عطار زاده

۲ عضو هیات علمی گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، واحد تهران مرکزی، دانشگاه آزاد اسلامی ، تهران، ایران

علی هارون آبادی

۳ عضو هیات علمی گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، واحد تهران مرکزی، دانشگاه آزاد اسلامی ، تهران، ایران

مومن کاشانی، امیرکسری و عطارزاده، ایمان و هارون آبادی، علی،1404،ارایه روشی برای شبیه سازی مجازی بیمار جهت آموزش وتشخیص بالینی توسط پزشکان و دانشجویان پزشکی با استفاده از مدل های زبان بزرگ و تکنیک های هوش مصنوعی،بیست و هشتمین کنفرانس ملی مهندسی برق، کامپیوتر و مکانیک،شیروان

ارائه‌شده در

کنفرانس ملی مهندسی برق ،کامپیوتر و مکانیک7 مهر 1405 · شیروان