法国医学考试对话数据集发布，AI虚拟病人助力临床培训

医学教育中，客观结构化临床考试（OSCE）是评估医学生临床与沟通能力的重要方式，但传统培训受限于标准化病人资源稀缺。为解决这一难题，研究团队构建了包含240组医患训练对话的法语OSCE数据集，并在此基础上开发了基于大语言模型的可控虚拟病人生成系统。

该系统采用模块化设计，整合了检索式知识库、反思循环等组件，确保虚拟病人的医疗准确性、对话连贯性与行为真实性。研究同时提出了多维度评估框架，通过大语言模型作为评判工具，从病人模拟质量、学生表现、语言质量三个层面进行综合评价。实验表明，可控性模块能显著提升虚拟病人的行为一致性与评估稳定性。

团队最终实现了交互式原型系统，学生可与虚拟病人进行实时对话练习，并获取自动化反馈。这项研究为医学教育提供了可扩展的数字化训练方案，有望缓解临床培训资源紧张问题，同时为医疗对话生成技术提供了新的评估范式。