Text

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 [1].

Large Language Model (LLM)-basierte virtuelle Patient*innen (VPs) bieten einen vielversprechenden Ansatz, diese Lücke zu schließen [2]. Das vom Bundesministerium für Forschung, Technologie und Raumfahrt, geförderte Projekt MediMentor-AI (16SV9570) entwickelt eine digitale Übungsplattform, die realitätsnahe virtuelle Patient*innen bereitstellt und Gespräche automatisiert hinsichtlich qualitativer Aspekte der Kommunikation auswertet.

Projektbeschreibung/Evaluationsmethoden: Im Rahmen einer Pilotmachbarkeitsstudie [3] wurde ein LLM-basierter Voicebot-Demonstrator evaluiert, der drei VPs auf Basis standardisierter SP-Rollenbeschreibungen aus etablierten medizinischen Lehrformaten mittels GPT-4 realisiert. Acht Mediziner*innen (Fachärzt*innen, 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 der 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.

Take-Home-Messages:

• LLM-basierte VPs sind eine machbare, skalierbare Ergänzung zur SP-Ausbildung.
• Hochwertige, zugängliche Kommunikationsschulung erfordert multimodale Erweiterungen als nächsten Entwicklungsschritt.
• Soziale Präsenz ist die zentrale Designherausforderung sprachbasierter Lernangebote.

References

[1] Hamilton A. Artificial Intelligence and Healthcare Simulation: The Shifting Landscape of Medical Education. Cureus. 2024;16(5):e59747. DOI: 10.7759/cureus.59747
[2] Abd-Alrazaq, A, AlSaad, R, Alhuwail, D, Ahmed, A, Healy, P M, Latifi, S, Aziz, S, Damseh, R, Alabed Alrazak, S & Sheikh, J. Large language models in medical education: opportunities, challenges, and future directions. JMIR Med Educ. 2023;9:e48291. DOI: 10.2196/48291
[3] Göbel J, Betke H, Thews O. Virtual Patient Encounters: Assessing the Feasibility of LLM-Driven Voicebots in Medical Communication Training. ACIS 2025 Proceedings. 2025;13. Zugänglich unter/available from: https://aisel.aisnet.org/acis2025/13/