مطالعهی مشاهدهایسلامت روان دیجیتالمدلهای زبانی بزرگ (LLM)شواهد مقدماتی
Enhancing Psychiatry Training Using an Agentic AI Simulated Consultation Tool: Prospective Cohort Study
Rueda و همکاران — Unity Health Toronto / University of Alberta · JMIR Medical Education · 2026 · حجم نمونه: ۲۲۷ مورد مصنوعی (فاز ۱) و ۱۴ شرکتکننده (فاز ۲)
🗓 تاریخ انتشار در روانای: ۲ مرداد ۱۴۰۵
🔗 مطالعهی مقالهی اصلی · DOI: 10.2196/88580
دستیاران روانپزشکی در کانادا باید شایستگی مصاحبه بالینی خود را با ابزار استاندارد STACER اثبات کنند، اما فرصت تمرین و بازخورد سازنده در محیط بالینی واقعی محدود است. پژوهشگران دانشگاه تورنتو و دانشگاه آلبرتا سامانهای هوش مصنوعی عاملمحور به نام STACER Agentic System ساختند که یک «عامل بیمار» شبیهسازیشده و یک «عامل ارزیاب» را ترکیب میکند، و امکانپذیری فنی آن را در یک مطالعه کوهورت آیندهنگر دو مرحلهای بررسی کردند.
یافتههای کلیدی
- در فاز نخست، عامل بیمار روی ۲۲۷ مورد مصنوعی اختلال افسردگی اساسی توسط یک «عامل روانپزشک» ارزیابی شد و وفاداری رفتاری ۹۱٫۰۷٪ (۵۱ از ۵۶) و وفاداری علامتی ۹۵٫۴۵٪ (۱۰۵ از ۱۱۰) داشت.
- در فاز دوم، ۱۴ شرکتکننده (۵ عضو تیم پژوهشی و ۹ دستیار روانپزشکی دانشگاه آلبرتا) مصاحبههای تشخیصی شبیهسازیشده را انجام دادند و شبیهسازی را از نظر واقعنمایی و کاربرد تشخیصی، بهویژه برای بازنمایی علائم افسردگی، مثبت ارزیابی کردند.
- برقراری ارتباط و رابطه درمانی (rapport) تنها در حد متوسط ارزیابی شد (میانگین ۲٫۷۸ تا ۳٫۰۰ از ۵)، عمدتاً به دلیل نبود نشانههای غیرکلامی در شبیهسازی.
- توافق بینارزیاب عامل هوش مصنوعی با روانپزشکان انسانی در سطح تکآیتم ضعیف بود (ضریب همبستگی درونطبقهای ۰٫۲۵ تا ۰٫۴۹) اما در سطح بخشهای STACER برای جلسات دستیاران به سطح خوب تا عالی رسید (۰٫۸۹ تا ۰٫۹۳).
محدودیتها و نکات احتیاطی
- نمونه بسیار کوچک (۱۴ شرکتکننده) و طراحی تکبازویی بدون گروه کنترل؛ این یک مطالعه امکانسنجی فنی است، نه کارآزمایی اثربخشی آموزشی.
- ارزیابی فاز نخست عمدتاً بر پایه معیارهای خودکار مبتنی بر مدل زبانی انجام شده، نه قضاوت انسانی مستقل.
- ضعف توافق بینارزیاب در سطح آیتم نشان میدهد عامل ارزیاب هنوز نیاز به اصلاح دارد و نمیتوان به نمرهدهی ریزدانه آن بهتنهایی اعتماد کرد.
- سامانه عمدتاً برای علائم افسردگی طراحی و آزموده شده و مهارتهای رابطهای/همدلانه را بهخوبی شبیهسازی نمیکند.
چرا مهم است
این یافتهها نشان میدهند هوش مصنوعی عاملمحور میتواند فرصتهای کمریسک و مقیاسپذیر برای تمرین آگاهانه مهارت مصاحبهگیری در آموزش روانپزشکی فراهم کند، اما جایگزین نظارت انسانی برای مهارتهای رابطهای و بالینی ظریف نیست؛ مطالعات کنترلشده بیشتری برای سنجش اثربخشی آموزشی واقعی آن لازم است.