大規模言語モデルを用いた患者シミュレーションによる医療専門職のコミュニケーションスキル向上：ユーザー中心の開発と使いやすさの研究
カテゴリ：医学教育
公開日：2026年2月19日
タイトル：Large Language Model-Based Patient Simulation to Foster Communication Skills in Health Care Professionals: User-Centered Development and Usability Study
雑誌名：JMIR Med Educ. 2025 Dec 12; 11: e81271. doi: 10.2196/81271. Epub 2025 Dec 12.
概 要：
本研究は、医療教育における患者との会話をシミュレートするデジタルツールのシステムアーキテクチャを紹介し、特に医療歴の聴取に焦点を当てています。大規模言語モデル（LLM）を活用することで、標準化された患者が持つ多様な社会的要因をカバーできる可能性があります。ユーザー中心のデザインプロセスを通じて、ツールの使いやすさを評価し、LLM間のシミュレーションの違いを検討しました。
方 法：
2人の医学生から初期要件を収集し、Python FlaskバックエンドとPostgreSQLデータベースを使用して完全なウェブプロトタイプを開発しました。5つのLLM（OpenAI、Anthropic、xAI）を統合し、タスクベースの使いやすさテストを5人の医学生と実施しました。システムの使いやすさはSystem Usability Scale（SUS）を用いて測定し、4人の医師が3つのモデル（Grok 3、GPT-4、Claude 3 Opus）のシミュレーション品質を評価しました。
結 果：
使いやすさテストの平均SUSスコアは91.5で、高い使いやすさが示されました。学生はシステムのシンプルさを評価しましたが、正式な結論やパフォーマンスフィードバックの欠如を指摘しました。モデルは不確実性や記憶の欠落をシミュレートする際に限界がありましたが、症状の一貫したプロファイルや患者らしい言語を使用する点では良好でした。モデル間の違いは統計的に有意ではありませんでした。
結 論：
高い使いやすさを持つ患者シミュレーションツールを開発し、さらなる発展の基盤を築きました。ツールはコミュニケーション訓練に効果的である可能性がありますが、自動フィードバックメカニズムを統合することでその潜在能力を最大限に引き出す必要があります。今後は、モデル間の心理社会的特性のシミュレーションの違いをより深く評価する必要があります。