Week 14 (2024/01/02-2024/01/05)

任務與進展

ADL assessment development

2024/01/03會議暫停一次

本週收案人數：0人

後續任務

測試進度

• 問題解決/施測手冊改好了
• SDM，確定需求問題--SOP，列出具體情況，列出困難，專業人員退讓(2個禮拜內)
• 流程，有必要的話請治療提供練習
• 預期狀況

BI chatGPTs 

2024/01/03會議紀錄

• 設計病人特質/人設
  • 心理狀態
  • 情緒設定
  • 明確
  • 等待ChatGPT能力變強
• 沒有給予回應範例時，回答特點不一致
• 劇本跟instruction要分開

後續任務

1. 修改Instruction(加入人物設定)

2. 生成BI=25的標準病人

研究計畫撰寫

前言大綱

• 巴氏量表評估的重要性與困境
1. 存在價值：失能指標/成效指標
2. 不用錢(FIM不用錢)
3. 信效度高
4. 跨領域通用，廣為使用
5. 實習生評估概念不清楚
6. 問法混亂不一致
7. 訓練不足，因個別訓練很花時間、耗費力氣
8. 不容易找到標準病人
• 標準病人於巴氏量表評估的重要性與困境
1. 不容易找到(時間、金錢、人力 )
2. 不穩定
3. 方便性
4. ChatGPT可以不斷修改，只會更好不會更差
• AI或VR虛擬病人之潛力與困境(文獻回顧)
• AI虛擬病人
• 潛力:
1. 個別化學習: AI可以根據學生的學習進度和風格調整虛擬病人的反應，提供個別化的學習體驗。
2. 廣泛的臨床情境: AI能夠模擬各種疾病和狀況，增強學生對不同臨床情境的了解。
3. 數據驅動的反饋: 透過分析學生與虛擬病人互動的數據，AI可以提供有針對性的反饋，幫助學生改善技能。
• 困境:
1. 情感互動的限制: AI虛擬病人可能無法完全模擬真實病人的情感反應，這在職能治療中是重要的互動元素。
2. 技術複雜性: 開發高質量的AI虛擬病人需要複雜的技術，可能需要大量的資源與專業知識。
3. 倫理和隱私問題: 使用AI處理敏感的醫療資料時，必須考慮數據安全和隱私保護。
• VR虛擬病人
• 潛力:
1. 沉浸式學習體驗: VR提供沉浸式的學習環境，使學生能夠更加深入地體驗臨床情境。
2. 安全的學習空間: 在虛擬環境中，學生可以自由地練習技能，而無需擔心對真實病人造成傷害。
3. 靈活的場景設計: VR技術可以創造多種不同的環境和情境，增加學習的多樣性。
• 困境:
1. 現實感的限制: 雖然VR技術進步迅速，但仍可能無法完全達到真實互動的細膩度。
2. 設備依賴: VR學習需要特定的硬體設備，這可能限制其普及和可訪問性。
3. 身體舒適度問題: 長時間使用VR設備可能導致眼睛疲勞或暈眩感。
• My GPTs的優勢與應用於巴氏量表評估的標準病人之潛力
1. 提供大量練習的機會
2. 隨時隨地練習
3. 與真實標準病人的比較
4. 逐字稿自然產生(立即性的紀錄)
•   知道學生概念清不清楚
• 知道標準病人模擬得好不好
• 方便老師給具體回饋

心得與困難

文獻閱讀

The effectiveness of using virtual patient educational tools to improve medical students’ clinical reasoning skills: a systematic review