多智能体AI模拟器用于临床推理练习的早期证据：表现、一致性与挑战
核心概要
本研究让175名二年级医学生在2024年秋季完成三次MAESSCR多智能体LLM临床情境模拟，并由六名临床教育者用二分评分工具评估120份随机抽取的对话记录，发现脚本依从性达92%（110/120）、改变诊断的信息仅2.5%（3/120）、不真实患者呈现12%（14/120）、技术问题17%（20/120），而智能体最突出的问题是提前解读检查结果、干扰学生独立推理，分别出现在28%（34/120）的病史/体格检查智能体和59%（71/120）的诊断/管理智能体情境中，多数干扰较轻微。
深度剖析
MAESSCR让多个LLM智能体分别扮演患者、体格检查、诊断检查等角色，与学习者进行文本式临床情境互动，从而在无需真人教师或标准化病人的情况下提供可扩展的刻意练习。 既有临床推理训练常受连续性、反馈与可扩展性限制，本文把多智能体LLM模拟作为应对路径，并给出真实课程场景中的早期表现数据。 175名二年级医学生在课程中完成三次情境，六名临床教育者开发评分工具并评估120份对话记录（每案例随机抽取40份），采用是/否二分评分并辅以定性叙述复核。
模拟在遵循脚本细节方面表现较好，脚本依从性为92%（110/120），改变诊断的信息仅占2.5%（3/120）。 这为多智能体模拟能否稳定复现预设病例提供了可核查的早期一致性证据，而不仅是技术可行性描述。 基于120份随机抽取的对话记录，由六名临床教育者按二分量表评定，并有定性叙述补充。
智能体最常以提前解读临床发现的方式干扰学生独立推理：病史/体格检查智能体造成28%（34/120）的干扰，诊断/管理智能体造成59%（71/120）的干扰，但多数干扰较轻微、不太可能破坏整体情境。 本文把“AI是否支持而非替代临床推理”具体化为可评分的干扰类型与比例，指出教育价值取决于角色稳定性、情境保真度以及学习者独立解读信息的机会。 干扰比例来自120份对话记录的二分评分，并由定性叙述复核；作者判断多数干扰为轻微。
不真实患者呈现出现在12%（14/120）的情境中，技术问题出现在17%（20/120）的情境中。 这些比例把多智能体模拟的挑战从笼统担忧转为可量化的早期观察，提示设计时需关注角色表现与平台功能。 同样基于120份随机抽取记录的二分评分与定性叙述复核。
启示与展望
本文适用于二年级医学生在课程中进行的文本式多智能体临床情境练习，关注脚本依从性、患者呈现真实感、平台功能性和对独立推理的干扰；其结论面向希望用LLM模拟扩展刻意练习的医学教育设计与研究场景。
本文为早期证据，阅读范围限于摘要，未包含图表与完整方法细节；读者仍可关注不同课程、不同智能体角色配置和不同学习者群体中干扰比例是否变化，以及“多数干扰较轻微”的判断在更大样本中的稳定性。