Text

Hintergrund: Die ärztliche Anamnese ist zentral für die klinische Entscheidungsfindung, ihre Vermittlung im Studium jedoch häufig durch Zeit- und Personalmangel eingeschränkt. Große Sprachmodelle (LLMs) ermöglichen heute adaptive Interaktionen mit virtuellen Patienten sowie individualisiertes Feedback.

Zielsetzung/Fragestellung: Die Studie untersuchte Machbarkeit und Usability eines solchen Systems.

Material & Methoden: Es wurde ein virtuelles Patientensystem auf Basis von GPT-4o mit sieben allgemeinmedizinischen Fällen zu typischen Beratungsanlässen entwickelt. Das automatisierte Feedback zur erhobenen Anamnese basierte auf der validierten Clinical Reasoning Indicators-History Taking-Scale (CRI-HT-S), welche die Vollständigkeit und Qualität der erhobenen Anamnese bewertet. Medizinstudierende des dritten klinischen Studienjahres der Technischen Universität München (WS 2025/26) nahmen teil und bewerteten das System anhand des Chatbot Usability Questionnaire (CUQ) sowie Freitextkommentaren.

Ergebnisse: 161 Studierende nahmen an der Evaluation teil. Der mittlere CUQ-Gesamtscore (Skala 0–100) betrug 68,9 (Median: 70,3; SD: 12,6; Spannweite: 39,1–98,4), was einer guten Usability entspricht. Besonders stark bewertet wurden Bedienbarkeit (75,4) und visuelles Design (73,9); der Umgang mit Fehlern wies mit 58,3 den niedrigsten Kategoriescore auf. In den Freitextkommentaren wurden am häufigsten fallspezifischeres Feedback sowie eine authentischere Patientensprache gewünscht. Die grundsätzliche Idee und die einfache Bedienbarkeit wurden wiederholt positiv hervorgehoben.

Diskussion: Der CUQ-Score von 68,9 belegt eine gute Usability des Systems. Zentraler Optimierungsbedarf besteht beim automatisierten Feedback, das von Studierenden als zu wenig fallspezifisch bewertet wurde. Zukünftig wäre eine Erweiterung des Feedbacks sinnvoll, die neben der Anamneseerhebung auch das nachfolgende diagnostische und therapeutische Vorgehen erfasst – da eine vollständige Anamnese allein noch kein adäquates klinisches Handeln sicherstellt.

Take Home Message für die Praxis: Ein LLM-basiertes virtuelles Patientensystem lässt sich technisch zuverlässig und kosteneffizient in den Studienbetrieb integrieren. Die positiven Usability-Werte und das Nutzerfeedback belegen das große Potenzial solcher Systeme als skalierbare Ergänzung zu klassischen Lehrformaten.

Interessenkonflikt: Die Entwicklung des virtuellen Patientensystems wurde durch die Virtuelle Hochschule Bayern (vhb) finanziell unterstützt. Die Förderung hatte keinen Einfluss auf Studiendesign, Datenerhebung oder Auswertung.