2 статей
В статье представлено исследование применения глубокого обучения (BERT, RoBERTa, XLNet) и LLM-фреймворка RATAS для автоматической оценки вербальных ответов студентов-медсестер в симуляторе виртуальной реальности. Результаты показывают высокую точность трансформерных моделей в контролируемых условиях и стабильность LLM-подхода при оценке реальных ответов, подтверждая жизнеспособность ИИ для обучения коммуникации в медицине.
В исследовании, опубликованном в журнале npj Digital Medicine 7 октября 2026 года, представлена успешная проспективная оценка системы искусственного интеллекта, предназначенной для автоматической оценки практических экзаменов OSCE (Objective Structured Clinical Examination) у студентов-медицинских вузов. Система использует мультимодальный подход, анализируя одновременно видео- и аудиоданные, а также текстовые транскрипты взаимодействий между студентами и стандартизированными пациентами. Методология включает применение глубоких нейронных сетей для распознавания вербальных и невербальных сигналов, оценки клинических навыков коммуникации и принятия решений в реальном времени. Ключевые результаты демонстрируют высокую корреляцию между оценками, выставленными ИИ, и оценками независимых экспертов-людей, что подтверждает надежность алгоритма. Исследование показывает, что внедрение таких систем может значительно снизить нагрузку на преподавательский состав и обеспечить более объективную и масштабируемую оценку клинических компетенций. Это открывает новые возможности для интеграции ИИ в медицинское образование и стандартизацию оценки практических навыков будущих врачей.
