用于多智能体教育临床场景模拟中的临床推理辅助的模糊监督代理设计-计算机科学-模糊逻辑-多智能体系统-模糊推理系统-医学教育.pdf

用于多智能体教育临床场景模拟中的临床推理辅助的

模糊监督代理设计

WeibingZheng,LaurahTurner,JessKropczynski,MuratOzer,Seth

Overla,andShaneHalse

UniversityofCincinnati,Cincinnati,OH,USAzhengwb@

摘要帮助医学生在临床情景训练中进行临床推理（CR）仍然是医学教育

本中的一个持续挑战。本文介绍了模糊监督代理（FSA）的设计和架构，它

译是多智能体教育临床情景模拟平台（MAECSS）的一个新组件。FSA利用

模糊推理系统（FIS）来连续解释学生与专门的临床代理（例如，患者、体

中检、诊断、干预）的互动，使用预定义的专业性、医学相关性、伦理行为

1和情境分心的模糊规则库。通过实时分析学生的决策过程，FSA旨在提供

v自适应、情境感知的反馈，并在学生遇到困难时精确地提供帮助。本研究

5

7重点介绍了FSA的技术框架和原理，强调其为基于模拟的医学教育提供

2可扩展、灵活且类似人类监督的潜力。未来工作将包括实证评估以及将其

5整合到更广泛的教育环境中。更详细的设计和实现是这里开源。

0

.

7

0Keywords:模糊逻辑·监督代理·多智能体系统·模糊推理系统·临

5床推理·医学教育。

2

:

v

i

x1介绍

r

a

临床推理技能的培训是医学教育的重要组成部分；然而，为学生在模拟

患者接触过程中提供可扩展、实时和精确的指导仍然是一个持续的挑战。传

统的评估和支持方法通常依赖于事后评价或医学教育者的有限可用性。随着

临床场景复杂性的增加，迫切需要能够为医学生提供即时情境支持的创新解

决方案。

当前基于模拟的医学教育包括由人类主导的反馈、基于规则的虚拟患者

系统以及新兴的人工智能平台。虽然人类教育者可以提供细微的反馈，但他

们的参与者资源密集且难以扩大规模以适应大量学习者[2]。尽管基于规则

的模拟器可以自动化某些方面的反馈，但却往往缺乏解释学生表现中微妙

和情境依赖性的灵活性，通常导致僵化或过于简化的指导[1]。在人工智能

2Zheng,Wetal.

（AI）和大型语言模型（LLMs）方面取得的进步已经促成了像2-Sigma这样

的人工智能医学模拟平台的发展，并且已经在辛辛那提大学医学院转向使用

这种技术[3]。然而，一项使用后的调查显示，大多数医学生表示在临床情景

模拟过程中强烈需要实时和精确的辅助。

为满足这些需求，我们提出了模糊监督代理（FSA），这是一种新型智

能代理，旨在解释多代理教育临床场景模拟（MAECSS）中医学学生模棱两

可且变化的行为，如图1所示。通过模糊逻辑，该代理持续监控医学学生与

模拟患者、体格检查、诊断和临床干预代理的互动，提供适应性实时反馈，

反映专业性、医疗相关性、伦理行为和情境干扰的真实临床推理复杂性[4]。

FSA弥合了刚性自动化与医学教育者专长之间的差距