論文の概要: Designing and Evaluating an AI-driven Immersive Multidisciplinary Simulation (AIMS) for Interprofessional Education

• arxiv url: http://arxiv.org/abs/2510.08891v1
• Date: Fri, 10 Oct 2025 01:09:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 04:53:46.916399
• Title: Designing and Evaluating an AI-driven Immersive Multidisciplinary Simulation (AIMS) for Interprofessional Education
• Title（参考訳）: プロ間教育のためのAIMSの設計と評価
• Authors: Ruijie Wang, Jie Lu, Bo Pei, Evonne Jones, Jamey Brinson, Timothy Brown,
• Abstract要約: AIMSは、大きな言語モデル(Gemini-2.5-Flash)、Unityベースの仮想環境エンジン、文字生成パイプラインを統合する仮想シミュレーションである。 AIMSは、薬局、医学、看護、ソーシャルワークの学生の間で、共同臨床推論と健康増進能力を高めるために設計された。
• 参考スコア（独自算出の注目度）: 9.141423579002542
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Interprofessional education has long relied on case studies and the use of standardized patients to support teamwork, communication, and related collaborative competencies among healthcare professionals. However, traditional approaches are often limited by cost, scalability, and inability to mimic the dynamic complexity of real-world clinical scenarios. To address these challenges, we designed and developed AIMS (AI-Enhanced Immersive Multidisciplinary Simulations), a virtual simulation that integrates a large language model (Gemini-2.5-Flash), a Unity-based virtual environment engine, and a character creation pipeline to support synchronized, multimodal interactions between the user and the virtual patient. AIMS was designed to enhance collaborative clinical reasoning and health promotion competencies among students from pharmacy, medicine, nursing, and social work. A formal usability testing session was conducted which participants assumed professional roles on a healthcare team and engaged in a mix of scripted and unscripted conversations. Participants explored the patient's symptoms, social context, and care needs. Usability issues were identified (e.g., audio routing, response latency) and used to guide subsequent refinements. Findings in general suggest that AIMS supports realistic, profession-specific and contextually appropriate conversations. We discussed both technical and pedagogical innovations of AIMS and concluded with future directions.
• Abstract（参考訳）: 専門職教育は長い間、医療専門家のチームワーク、コミュニケーション、および関連する協力能力を支援するために、ケーススタディと標準化された患者の使用に頼ってきた。 しかし、従来のアプローチは、しばしばコスト、スケーラビリティ、実際の臨床シナリオの動的な複雑さを模倣することができないために制限される。 これらの課題に対処するため,我々は,大言語モデル(Gemini-2.5-Flash)とUnityベースの仮想環境エンジン,ユーザと仮想患者間の同期・マルチモーダルインタラクションをサポートする文字生成パイプラインを統合する仮想シミュレーションであるAIMS(AI-Enhanced Immersive Multidisciplinary Simulations)を設計・開発した。 AIMSは、薬局、医学、看護、ソーシャルワークの学生の間で、共同臨床推論と健康増進能力を高めるために設計された。 正式なユーザビリティテストセッションが実施され、参加者は医療チームで専門的な役割を担い、スクリプト化された会話と記述されていない会話を混在させました。 参加者は患者の症状、社会的状況、ケアニーズを調査した。 ユーザビリティの問題(例えば、オーディオルーティング、レスポンスレイテンシ)が特定され、その後の改善のガイドに使用された。 一般的には、AIMSは現実的、専門的、文脈的に適切な会話をサポートすることを示唆している。 我々はAIMSの技術革新と教育革新の両面を議論し、今後の方向性を結論づけた。

関連論文リスト

• A Knowledge-driven Adaptive Collaboration of LLMs for Enhancing Medical Decision-making [49.048767633316764]
  KAMACは知識駆動のAdaptive Multi-Agent Collaborationフレームワークである。 エージェントは進化する診断コンテキストに基づいて、専門家チームを動的に形成および拡張することができる。 2つの実世界の医療ベンチマーク実験により、KAMACはシングルエージェント法と高度なマルチエージェント法の両方を著しく上回っていることが示された。
  論文  参考訳（メタデータ） (2025-09-18T14:33:36Z)
• When Avatars Have Personality: Effects on Engagement and Communication in Immersive Medical Training [35.4537858155201]
  本稿では,大規模言語モデル(LLM)を没入型VRに統合し,一貫した個人性を持つ医療的整合性仮想患者を創出する枠組みを提案する。 その結果、このアプローチは実現可能であるだけでなく、医師によって高い報奨と効果的なトレーニング強化と認識されていることが示されている。
  論文  参考訳（メタデータ） (2025-09-17T16:13:37Z)
• Designing AI Tools for Clinical Care Teams to Support Serious Illness Conversations with Older Adults in the Emergency Department [53.52248484568777]
  この研究は、EDベースの重篤な病的会話の実証的な理解に貢献し、ハイテイクな臨床環境におけるAIの設計上の考察を提供する。 専門医2名と専門医9名を対象にインタビューを行った。 我々は4段階の重篤な会話ワークフロー(識別、準備、伝導、文書化)を特徴とし、各段階における重要なニーズと課題を特定した。 既存の臨床実践に適合するSICをサポートするAIツールの設計ガイドラインを提示する。
  論文  参考訳（メタデータ） (2025-05-30T21:15:57Z)
• AI Standardized Patient Improves Human Conversations in Advanced Cancer Care [1.5631689124757961]
  SOPHIEはAIを利用した患者シミュレーションと自動フィードバックシステムである。 医療学生と専門職とのランダム化コントロールスタディでは、SOPHIEユーザは、3つの重要なSICドメイン(Empathize、Be Explicit、Empower)で大幅に改善した。
  論文  参考訳（メタデータ） (2025-05-05T14:44:17Z)
• MedSimAI: Simulation and Formative Feedback Generation to Enhance Deliberate Practice in Medical Education [0.5068418799871723]
  MedSimAIはAIを利用したシミュレーションプラットフォームで、故意の実践、自己統制型学習、対話型患者出会いによる自動評価を可能にする。 初等医学生104名を対象にしたパイロットスタディでは,エンゲージメント,会話パターン,ユーザ認知について検討した。 学生たちは、MedSimAIが反復的で現実的な患者史の実践に有用であると考えた。
  論文  参考訳（メタデータ） (2025-03-01T00:51:55Z)
• Synthetic Patients: Simulating Difficult Conversations with Multimodal Generative AI for Medical Education [0.0]
  効果的な患者中心コミュニケーションは、医師にとって重要な能力である。 調味剤提供者と医療研修生の双方は、センシティブな話題に関する会話をリードする自信を減らした。 本稿では,ビデオによる会話の対話的リアルタイムシミュレーションを支援するための,新しい教育ツールを提案する。
  論文  参考訳（メタデータ） (2024-05-30T11:02:08Z)
• Dr-LLaVA: Visual Instruction Tuning with Symbolic Clinical Grounding [53.629132242389716]
  VLM(Vision-Language Models)は、医用画像を分析し、自然言語の相互作用に関与することによって、臨床医を支援する。 VLMはしばしば「幻覚的」な振る舞いを示し、文脈的マルチモーダル情報に基づかないテキスト出力を生成する。 本稿では,臨床推論の象徴的表現を用いて医療知識にVLMを基盤とする新たなアライメントアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-05-29T23:19:28Z)
• Chain-of-Interaction: Enhancing Large Language Models for Psychiatric Behavior Understanding by Dyadic Contexts [4.403408362362806]
  本稿では,対話型対話による精神科的意思決定支援のための大規模言語モデルを文脈化するための,対話型連鎖促進手法を提案する。 このアプローチにより、大規模言語モデルでは、患者の行動コーディングのためのコーディングスキーム、患者の状態、およびドメイン知識を活用することができる。
  論文  参考訳（メタデータ） (2024-03-20T17:47:49Z)
• Towards Ubiquitous Semantic Metaverse: Challenges, Approaches, and Opportunities [68.03971716740823]
  近年,拡張現実(AR)および仮想現実(VR)ユーザーのための没入型サイバーバーチャル体験に革命をもたらすために,ユビキタスセマンティック・メタバースが研究されている。 この調査は、ユビキタスメタバースにおける4つの基本システムコンポーネントの表現とインテリジェンスに焦点を当てる。
  論文  参考訳（メタデータ） (2023-07-13T11:14:46Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。