法国欧安组织对话数据集和用于临床训练的可控虚拟患者系统

医学生的临床和沟通技能通常通过客观结构化临床考试（OSCE）进行评估，其中包括对医患互动的简短场景驱动模拟。然而，训练往往受到人类标准化患者的可用性较低的限制，这激励了现实虚拟患者（VP）的开发。为了解决这一差距，我们引入了法国 OSCE 对话数据集，其中包含 240 个学生与患者的训练互动。我们在此基础上构建了一个基于 LLM 的可控管道来生成合成 OSCE 对话。该管道集成了模块化组件，例如基于检索的证据关联和反射环路，以确保患者的保真度、连贯性和真实性。此外，我们提出了一个多层次的评估框架，使用 LLM-as-a-Judge 方法来评估患者模拟质量、学生表现和语言质量。实验表明，可控性模块通常可以提高患者的保真度和学生评估的一致性。最后，我们实现了一个交互式原型，学生可以在其中与副总裁一起练习并接收自动反馈。