CandorMD：AI輔助音頻模擬與回饋系統，訓練醫師進行醫療錯誤披露
arXiv - Human-Computer InteractionInna Wanyin Lin, Sahand Sabour, Hong Sng, Maxine Chan, Minlie Huang, Andrew White, Tim Althoff
開發 AI 驅動的模擬平台，提供即時練習與個別化回饋，提升醫師在醫療錯誤披露對話中的自信與技巧。
AI 幫你先抓重點
AI 重點 1
即時、可操作的回饋是提升醫師披露對話自信的關鍵。
滑鼠懸停看 AI 判斷理由
傳統回饋往往延遲且泛泛，無法即時調整行為；即時回饋能讓醫師在對話中即時修正，促進學習循環與自我效能提升。
AI 重點 2
AI可根據個別學習者調整情境，促進差異化學習與自我調節。
滑鼠懸停看 AI 判斷理由
不同醫師面臨的披露情境與情緒挑戰各異，AI能動態生成符合其需求的場景，讓學習更具針對性，進而提升自我調節與學習成效。
核心研究發現
- 1
醫師主要透過講座與觀察學習，缺乏實際情境練習，導致披露對話技巧不足。
- 2
現有靜態影片工具使用率低、缺乏跨專業適應性，且回饋延遲且泛泛，限制了學習成效。
- 3
AI輔助模擬系統能即時提供可行回饋，並可調整情境以符合個別學習需求，預示提升自我效能與減少回避行為。
對教育工作者的啟發
教育工作者可將 CandorMD 整合進醫學院臨床溝通課程，設計模擬情境作為課堂練習與作業，利用即時回饋作為形成性評量，幫助學生檢視語言、情緒與非語言表達。系統可根據學生表現自動調整難度與情境，促進差異化學習，並可透過數據追蹤學習進度，協助教師針對性調整教學策略。此種 AI 支援的模擬不僅提升自我效能，也可減少醫師因恐懼而回避錯誤披露的行為，進而改善病患關係與醫療品質。
原始文獻資訊
- 英文標題：
- CandorMD: An AI-Assisted Audio Simulation and Feedback System for Training Clinicians for Medical Error Disclosure
- 作者：
- Inna Wanyin Lin, Sahand Sabour, Hong Sng, Maxine Chan, Minlie Huang, Andrew White, Tim Althoff
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- openai/gpt-oss-20b
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。