人工智能驱动的模拟医学培训：技术革新与教育范式转型

来源期刊：广州医药 | 257-263 发布时间：2026-02-20 收稿时间：2026/4/10 15:52:05 阅读量：126

作者：: 王宁,

孙蕾,

蔡乐琪,

董粟郴,

李恒旭,

关键词：: 人工智能模拟医学培训教育范式转型技术革新; artificial intelligence simulated medical training educational paradigm transformation technological innovation

DOI：: 10.20223/j.cnki.1000-8535.2026.02.019

收稿时间：: 2025-07-29
修订日期：
接收日期：
引用总数：: 0

本文系统探讨了人工智能（AI）技术在模拟医学培训中的应用现状、优势与挑战。AI通过虚拟患者系统、手术模拟评估、医学影像诊断培训及结构化报告优化四大核心场景,显著提升培训的智能化与个性化水平。研究表明,AI驱动的实时反馈机制（如手术技能评估系统）在随机对照试验中表现优于传统专家指导, 并具备大规模推广潜力, 可降低人力成本。然而,技术仍面临算法透明性、数据隐私伦理及临床转化效果验证等挑战。未来需深化跨学科合作, 结合增强现实（AR）等技术创新, 构建全球资源共享的智能认证体系, 推动医学教育范式转型。

随着人工智能（artificial intelligence，AI）技术的快速发展，其在医学领域的应用日益广泛，尤其是在医学教育和培训方面^［1-3］。模拟医学通过高度仿真的环境和情境，帮助医学生和医务人员提升临床技能。而AI技术的发展，进一步增强了模拟医学培训的效果，使其更加智能化、个性化和高效化^［4-6］。

模拟医学的起源可以追溯到古代，1027年的宋代针灸铜人为全球第一台用于医学培训的模型。然而，真正的医学情景模拟培训始于20世纪初，从1963年第一个标准化患者案例被开发并投入使用，到1967年全球第一台计算机模拟患者SimOne诞生，该模型为计算机控制人体模型研究开发的起点，此后不断有智能化的高级综合模拟人及情景模拟教案被开发出来。60年代挪威Laerdal公司开发的复苏安妮模型，首次实现心肺复苏量化训练^［7］，经心肺复苏量化训练后，患者生存率得到显著提升，2020年Yan团队^［8］总结了院外心搏骤停患者接受心肺复苏后生存率的流行病学数据，Meta分析显示共纳入141项符合条件的研究，结果显示接受心肺复苏的院外心搏骤停患者在出院后的生存率数据：1976—1999年为8.6%、2010—2019年为9.9%；出院后1个月生存率在2000—2009年为8.0%，2010—2019年为13.3%。出院后1年生存率在2000—2009年为8.0%，2010—2019年为13.3%。提示在过去40年中，接受心肺复苏的院外心搏骤停患者的总体生存率有所提高。这些数据显示模拟医学在真实诊疗行为中的正面转化作用。

至1996年，仿真生理驱动（human patient simulator，HPS）以强大的生理驱动引擎，能够真实模仿多种人体生理反应，开创了高仿真模拟人的新时代，2000年，虚拟培训系统开始被应用于模拟医学^［9］，虚拟培训系统是高端模拟技术发展的另一个方向，通过软件创造了虚拟的患者环境和病情，操作者通过电子硬件载体的“力反馈”技术，真实感受到自己在医疗操作过程当中的触觉信息^［10-12］，现已广泛应用于内镜、腹腔镜及介入手术等微创手术专科技能的培训^［13-16］。

AI技术的快速发展为现代模拟医学带来了新的技术革新与教育范式转型^［17-18］，通过自然语言处理、计算机视觉等技术，AI能够实现更加智能化、更加个体化的模拟医学培训，从而提升培训效率，本文就AI技术在模拟医学领域的应用现状、优势、挑战及未来发展方向方面进行讨论。

1 AI 技术在模拟医学中的应用现状

1.1 虚拟患者与智能对话系统

AI驱动的虚拟患者系统能够模拟真实患者的症状、病史和情感反应，为医学生提供沉浸式的问诊体验^［19-20］。例如，基于自然语言处理（natural language processing，NLP）技术的智能对话系统可以与学习者进行互动，根据学习者的提问动态调整病情描述，从而提升问诊技能，能够显著提高学习者的临床推理能力和沟通技巧^［21］。

1.2 手术模拟与技能评估

AI技术在模拟医学手术培训中的应用主要体现在虚拟手术环境和机器人辅助培训系统^［22-23］。通过计算机视觉和机器学习算法，系统可以实时分析学习者的操作精度、速度和错误率，并提供即时反馈^［24-26］。那么，AI辅导系统与远程专家指导，在外科手术学习中的效果比较如何呢？在一项纳入加拿大4所院校的70名医学生（本科0~2年级）的随机临床试验中^{［18，27］}，在75 min的单次训练中实施5次反馈（每次5 min），包括5次练习和1次虚拟现实脑肿瘤切除实操。学员分为3组：AI视听指标反馈组（VOA组）、远程专家同步指导组（导师组）以及无反馈对照组。主要观察指标为操作性能变化（通过验证性评估算法量化每次练习的专长评分）和学习保持效果（通过ICEMS和盲法评估实操表现）。次要观察指标包括干预前后情绪强度变化及自我报告的认知负荷。结果显示VOA组练习专长评分较导师组提高0.66分，较对照组提高0.65分（P＜0.001）。实操专长评分VOA组显著优于导师组（均值差0.53分，P＜0.001）和对照组（均值差0.49分，P＜0.001）。各组在认知负荷、积极情绪与消极情绪方面无显著差异。使用AI导师进行模拟手术训练的学习者，其操作性能评分高于接受远程专家指导组和无反馈对照组。学习者对AI导师的认知和情感反应与人类导师培养的效果相似。该结果表明，在模拟环境中学习手术技能时，AI导师基于量化指标的评估、针对可测量标准和可执行目标提供的形成性反馈，比远程专家指导更为有效。

当前，基于手术操作视频的AI系统已经可以科学地评估外科医生的技能水平^［28］。当这类系统被用于指导未来高风险决策（如授予外科医生手术资质及操作权限）时，确保其公平性至关重要。然而，手术AI系统是否对特定外科医生亚群存在偏倚，以及此类偏倚能否被缓解，仍属悬而未决的问题。

Rivas等^［29］研究报道，使用手术人工智能系统（surgical artificial intelligence system，SAIS）对位于美国及欧盟3所跨地域医疗机构的机器人手术视频进行分析，并对存在的偏倚进行检测与干预。结果表明，SAIS在不同外科医生亚群中表现出差异性偏倚：既存在系统性低估手术表现的“技能低估偏倚”，亦存在系统性高估手术表现的“技能高估偏倚”。为缓解此类偏倚，该研究提出“可解释性时间权重索引”的策略，通过训练AI系统生成可视化解释（替代传统人类专家评估）来优化其决策过程。研究发现，基准策略对算法偏倚的缓解效果不稳定，而可解释性时间权重索引策略不仅能有效降低技能低估，还能高估偏倚。值得注意的是，这些发现在医学生技能评估的训练环境中同样适用。该研究为实现全球性AI增强型外科资质认证体系奠定了关键基础，若此技术进一步成熟，则有望大幅提升外科医生在获取手术资质认证时的公平性。

对于早期肾癌来说，手术切除是标准治疗方法，而AI有可能在肾癌的手术治疗领域辅助训练过程发挥帮助。Rodriguez等^［30］报道了AI如何为肾癌手术创建框架以解决训练难题，在肾癌手术培训中，潜在的AI应用包括分析手术流程、标注器械、识别组织以及三维重建。AI能够评估手术技能，包括对操作步骤的识别和器械追踪，但在实时跟踪方面仍存在挑战。

为了评估AI在手术模拟训练中的教学价值，Fazlollahi等^［27］对加拿大蒙特利尔麦吉尔大学神经外科模拟与AI学习中心开展了一项随机临床试验的后续研究，该研究对接受AI增强培训课程的医学生的手术表现指标与未接受该课程的对照组以及专家基准进行了比较。2021年1月—2021年4月从医学生中收集了横断面数据，2015年3月—2016年5月从专家中收集了数据。结果显示研究共纳入46名医学生和14名外科医生，且无参与者失访。在研究组中，关于4项由AI筛选出的技术能力的反馈与整个手术过程中的32项指标以及肿瘤切除过程中20项指标的额外表现变化相关联，而对照组中未观察到这些变化。接受AI增强课程的参与者在安全性指标方面表现出显著改善，例如减少了健康组织的切除率（P＜0.001），并保持了对手术区域的集中双指控制（P=0.006）。然而，也观察到了负面的意外影响，包括主力手的速度和加速度降低（P＜0.001），并且与对照组相比肿瘤切除率降低（P＜0.001），这是一个非预期的结果，这说明这项技术还不成熟，还需要在实际工作中谨慎论证。

1.3 医学影像诊断培训

通过深度学习算法，AI技术可以生成高质量的仿真影像，并模拟各种病理特征^［31］。例如，AI能够助力超声内镜（endoscopic ultrasonography，EUS）下胰腺内的实性病变的诊断，Cui等^［32］研究报道通过开发一个整合临床信息和EUS图像的多模态AI模型，以助力胰腺内实性病变的临床诊断。在2023年1月1日—2023年6月30日期间进行的一项随机交叉试验中，来自中国4个中心的12名不同专业水平的内镜医师被随机分配到使用或不使用 AI 辅助诊断胰腺内实性病变的组别中。从2014年1月1日—2022年12月31日期间在1家机构中患有胰腺内实性病变的439名患者的EUS图像和临床信息被收集用于训练和验证联合AI模型，同时来自3家外部机构的189名患者被用于评估该模型的稳定性和通用性。回顾性数据集包括628例患者接受了 EUS 检查，前瞻性招募了130例患者参与交叉试验。结果显示，有AI辅助的情况下，新手内镜医师的诊断准确性提高（69% vs 90%，P＜0.001）。在这项旨在借助AI辅助诊断胰腺内实性病变的随机交叉试验中，显示内镜医师与AI模型相联合展现了积极的人机协同效应。

而AI影像临床应用（如影像量化分析、疾病检测）向模拟教学迁移的核心价值，在于为学生提供 “无风险的临床能力预训练场景”，学生在模拟场景中使用AI影像工具，熟悉其操作流程和功能，能减少在临床实践中因操作不熟练带来的风险。影像诊断是高风险领域（漏诊早期肺癌、误诊脑卒中可能危及生命），学生直接参与临床诊断易出错，而AI驱动的模拟教学模块可实现临床场景复刻，将AI在临床中用于 “影像量化分析”（如测量心脏腔室大小）的功能，嵌入模拟教学 —— 学生在虚拟病例中练习量化操作，AI会对比其结果与临床标准值的差异（如扩张型心肌病患者心脏腔室扩大的具体数值偏差），帮助掌握临床必备的精准测量技能，学生在模拟模块中可尝试不同诊断思路（如判断肺部结节良恶性），AI会实时指出遗漏的影像特征，例如误将炎症结节判定为肿瘤时，AI会展示二者在密度、边缘形态上的差异，且无需承担真实患者的健康风险；研究显示AI 辅助组学生的学习曲线斜率是传统组的2.8倍，印证了“安全实训”的高效性^［32］。

2 AI 技术在模拟医学培训中的优势

2.1 具有实现大规模培训的潜力

AI技术能够创建高度仿真的培训环境，使学习者感受到接近真实的临床情境。Liaw等^［33］报道了一项随机对照试验的结果，64名护理专业的学生被随机分配到使用AI培训组以及常规培训组进行关于脓毒症知识的培训。通过情境模拟对两组学生在脓毒症知识和沟通表现方面进行评估。结果显示，在脓毒症护理知识方面，AI培训组分数有提高（P＜0.001），而对照组则没有（P=0.16）。但是，两组在脓毒症护理表现方面没有显著差异（P=0.39）。两组之间的跨专业沟通表现方面也未发现差异（P=0.21）。此研究表明，在脓毒症护理和跨专业沟通表现方面，AI驱动的医疗培训并不逊于人工培训，且理论知识学习方面，AI驱动的医疗培训具有优势。这支持了在脓毒症团队培训中实施AI驱动医生以实现大规模培训的可行性，以降低医疗培训的人力成本。

2.2 实时反馈与数据分析

AI系统能够实时分析学习者的表现，并提供详细的反馈报告。这种实时反馈机制可及时进行正向干预。

Aggarwal等^［34］研究报道基于AI的聊天机器人能够根据患者的反应实施反馈，提供个性化且按需的健康促进干预措施。该研究旨在评估基于AI的聊天机器人为促进健康行为改变所具备的可行性、有效性以及干预特点，在7个文献数据库（PubMed、IEEE Xplore、ACM数字图书馆、PsycINFO、Web of Science、Embase和JMIR出版物）中进行了全面搜索，查找评估AI聊天机器人在行为改变方面可行性或有效性的实证文章。按照系统综述和荟萃分析首选报告项目（Preferred Reporting Items for Systematic Reviews and Meta-Analyses，PRISMA）指南对所识别的文章进行筛选、提取和分析。结果显示有15 项研究表明 AI 聊天机器人经过实时反馈以及正向干预，在促进人类健康生活方式（n=6，40%）、戒烟（n=4，27%）、提高患者对治疗的依从性（n=2，13%）以及减少药物滥用（n=1，7%）方面具有很高的有效性。这种实时反馈以及及时进行正向干预的能力，很适合用于医学情景模拟课程的建设。

3 讨论

随着大数据的发展与算力的不断提升，AI技术正在医疗领域被广泛应用^［35-36］，而在模拟医学领域，AI前时代与AI时代，模拟医学教学的范式也发生了一定的转变。

AI前时代的医疗模拟教育以 “资源依赖型、标准化有限、反馈滞后” 为核心特征，具体表现为以下3点^［37］：（1）训练载体局限，依赖标准化患者（standardized patients，SPs）、传统模拟人（如计算机化人体模型）开展教学，SPs需要专业培训且成本高昂，模拟人功能单一，仅能实现基础生理指标模拟（如心率、血压），在动态响应和实时反馈方面，功能有待完善^［38］；（2）教学模式固化，以“教师主导、线下集中”为核心，受课堂时间与空间限制，培训个体化程度低，例如外科操作训练需依赖教师一对一指导，人均训练时间有限且技能评估依赖主观观察（如OSCE考试需3~5名专家现场评分，后勤成本高）^［39］；（3）反馈与评估滞后，技能反馈多依赖教师课上观察及课后复盘总结或标准化评价表格，缺乏实时数据动态反馈，很难在模拟过程中即时指导学员调整操作^［40］。

AI 时代模拟教育范式的改变，具体表现为以下4点：（1）载体智能化，除了SPs、传统模拟人之外，AI驱动的虚拟患者成为经济安全高效的培训载体。例如，AI虚拟患者可通过NLP实现与学员的实时对话，模拟文化背景、社会经济地位差异的患者场景（如瑞典团队开发的多民族虚拟患者），且支持全天候访问，解决SPs资源有限的问题^［24］；（2）教学个性化与自适应，AI通过实时分析学员数据调整训练难度，可根据学员过往手术操作数据，定制外科训练模块的难度，实现“千人千策”的训练路径；（3）反馈与评估实时化、数据化^［41］，AI可通过算法实时捕捉学员操作细节，并提供即时视觉反馈，替代传统主观评估；（4）场景规模化与沉浸化：借助AI与VR融合，实现高保真场景的批量生成，学员可通过VR设备练习团队协作、危机处理，且场景可重复使用、快速迭代，解决传统模拟场景“搭建成本高、复用率低”的问题。

AI通过整合多模态数据（操作数据、对话数据、生理反馈数据），不仅实现“训练 - 评估 - 改进”的闭环，更能挖掘学员潜在能力短板，生成个体化培训方案，而这是AI前时代依赖人工观察无法实现的^［42］。

AI技术在模拟医学培训中具有巨大的潜力，可以根据学习者的知识水平、技能掌握情况和学习风格，动态调整培训内容和难度，以建立个体化的学习地图。通过个性化反馈机制优化技能习得与临床决策，进而促进终身学习体系的构建。尽管AI技术在模拟医学培训中展现出巨大潜力，但其仍面临一些技术挑战。例如，虚拟患者的情感模拟和复杂病情的生成仍需进一步优化，以及AI系统在医学培训中的应用涉及大量真实患者数据的处理，如何确保数据隐私和伦理合规是一个重要问题。

模拟培训的最终目标是提升临床实践能力，因此如何将AI技术与真实临床场景更好地结合是未来研究的重点。AI技术在医学培训中的应用需要医学、计算机科学、教育学等多学科的协作。未来研究应注重跨学科创新，推动技术的进一步发展。

AI与模拟医学互相推动发展，在应用方面，主要有以下四点：（1）未来的虚拟患者系统将结合AI技术能够更真实地模拟患者的情感反应，从而提升培训的沉浸感和实用性。（2）AI与增强现实（AR）的结合，AI与AR技术的结合将为模拟医学培训带来更好的效果。例如，AR眼镜可以实时显示AI生成的虚拟影像，帮助学习者在真实环境中进行模拟操作。（3）智能化评估与认证体系，未来的模拟医学将不仅限于技能培训，还将涵盖智能化评估和认证。通过AI技术，系统可以评估学习者的能力并辅助资质认证，从而提高培训的权威性和可信度^［43］。（4）全球协作与资源共享：AI技术的普及将推动全球范围内的模拟医学培训资源共享。通过云计算和区块链技术，学习者可以随时随地访问高质量的培训资源，促进全球医学教育的发展。

在AI与模拟医学的互相推动发展方面，也存在一些挑战。体现在以下三方面：（1）AI算法的透明性与伦理问题需进一步规范；（2）教育与临床实践的整合：需要开发更多验证工具，将模拟培训效果与临床转化（如患者安全、不良事件）直接关联；（3）打破学科壁垒，推动跨专业模拟课程的标准化设计，但同时也需注意，避免过度依赖技术而忽视与真实患者互动。

AI正深刻重塑模拟医学的范式，从提升培训效率到优化临床决策，其潜力已初步显现。然而，技术需与教育目标紧密结合，避免脱离真实医疗需求。未来，随着AI算法的优化与跨学科合作加强，模拟医学将不仅成为技能培训的核心工具，更可能推动医疗质量的系统性变革^［44］。通过虚拟患者、手术模拟、个性化学习和影像诊断等场景，AI技术为学习者提供了更加智能化、高效化的培训体验。然而，技术的局限性、伦理问题和临床转化仍需进一步探索。未来，随着多学科协作的深入和技术创新的推进，AI技术有望在模拟医学培训中发挥更大的作用，为医学教育带来革命性变革。

AI正在重新定义医学教育，将个性化学习、增强可视化和基于模拟的临床培训等新维度推向前沿。此外，AI模拟提供了逼真的沉浸式培训机会，帮助学生应对复杂的临床情况，并培养现代医疗保健所必需的跨专业协作技能。然而，将AI融入医学教育也带来了挑战，尤其是在伦理考量、过度依赖导致的技能萎缩以及教育机构之间数字鸿沟加剧等方面。应对这些挑战需要采取一种平衡的方法，包括混合学习模式、数字素养和教师发展，以确保AI能够补充而非取代核心医学能力。随着医学教育与AI共同发展，各机构必须优先考虑既能保留以人为本的技能，又能推进技术创新的战略，为未来的医疗保健专业人员做好准备，以应对AI增强的医疗环境。

1、OSCARDIN%E2%80%83C%E2%80%83K%EF%BC%8CGIN%E2%80%83B%EF%BC%8CGOLDE%E2%80%83P%E2%80%83B%EF%BC%8Cet%E2%80%83al%EF%BC%8E%0AChatGPT%E2%80%83%20and%E2%80%83%20generative%E2%80%83%20artificial%E2%80%83intelligence%E2%80%83for%E2%80%83%0Amedical%E2%80%83education%EF%BC%9APotential%E2%80%83impact%E2%80%83and%E2%80%83opportunity%0A%EF%BC%BBJ%EF%BC%BD%EF%BC%8EAcad%E2%80%83Med%EF%BC%8C2024%EF%BC%8C99%EF%BC%881%EF%BC%89%EF%BC%9A22-27%EF%BC%8E

2、DAVE%E2%80%83M%EF%BC%8CPATEL%E2%80%83N%EF%BC%8EArtificial%E2%80%83%20intelligence%E2%80%83%20in%E2%80%83%0Ahealthcare%E2%80%83and%E2%80%83education%EF%BC%BBJ%EF%BC%BD%EF%BC%8EBr%E2%80%83Dent%E2%80%83J%EF%BC%8C2023%EF%BC%8C%0A234%EF%BC%8810%EF%BC%89%EF%BC%9A761-764%EF%BC%8E

3、WEIDENER%E2%80%83L%EF%BC%8CFISCHER%E2%80%83M%EF%BC%8EArtificial%E2%80%83intelligence%E2%80%83%0Ain%E2%80%83medicine%EF%BC%9ACross-sectional%E2%80%83%20study%E2%80%83%20among%E2%80%83medical%E2%80%83%0Astudents%E2%80%83on%E2%80%83application%EF%BC%8Ceducation%EF%BC%8Cand%E2%80%83%20ethical%E2%80%83%0Aaspects%EF%BC%BBJ%EF%BC%BD%EF%BC%8EJMIR%E2%80%83Med%E2%80%83Educ%EF%BC%8C2024%EF%BC%8810%EF%BC%89%EF%BC%9A%0Ae51247%EF%BC%8E

4、ALKHAALDI%E2%80%83S%E2%80%83M%E2%80%83I%EF%BC%8CKASSAB%E2%80%83C%E2%80%83H%EF%BC%8CDIMASSI%E2%80%83Z%EF%BC%8C%0Aet%E2%80%83al%EF%BC%8EMedical%E2%80%83student%E2%80%83experiences%E2%80%83and%E2%80%83perceptions%E2%80%83of%E2%80%83%0AChatGPT%E2%80%83and%E2%80%83artificial%E2%80%83intelligence%EF%BC%9ACross-sectional%E2%80%83%0Astudy%EF%BC%BBJ%EF%BC%BD%EF%BC%8EJMIR%E2%80%83Med%E2%80%83Educ%EF%BC%8C2023%EF%BC%889%EF%BC%89%EF%BC%9Ae51302%EF%BC%8E

5、JACKSON%E2%80%83P%EF%BC%8CPONATH%E2%80%83SUKUMARAN%E2%80%83G%EF%BC%8CBABU%E2%80%83%0AC%EF%BC%8Cet%E2%80%83al%EF%BC%8EArtificial%E2%80%83intelligence%E2%80%83in%E2%80%83medical%E2%80%83education%E2%80%83-%E2%80%83%0Aperception%E2%80%83among%E2%80%83medical%E2%80%83students%EF%BC%BBJ%EF%BC%BD%EF%BC%8EBMC%E2%80%83Med%E2%80%83%0AEduc%EF%BC%8C2024%EF%BC%8C24%EF%BC%881%EF%BC%89%EF%BC%9A804%EF%BC%8E

6、G%E2%80%83F%E2%80%83Y%E2%80%83C%EF%BC%8CTHIRUNAVUKARASU%E2%80%83A%E2%80%83J%EF%BC%8CCHENG%E2%80%83H%EF%BC%8C%0Aet%E2%80%83al%EF%BC%8EArtificial%E2%80%83intelligence%E2%80%83education%EF%BC%9AAn%E2%80%83evidence%02based%E2%80%83medicine%E2%80%83approach%E2%80%83for%E2%80%83consumers%EF%BC%8Ctranslators%EF%BC%8C%0Aand%E2%80%83developers%EF%BC%BBJ%EF%BC%BD%EF%BC%8ECell%E2%80%83Rep%E2%80%83Med%EF%BC%8C2023%EF%BC%8C4%0A%EF%BC%8810%EF%BC%89%EF%BC%9A101230%EF%BC%8E

7、COOPER%E2%80%83J%E2%80%83B%EF%BC%8CTAQUETI%E2%80%83V%E2%80%83R%EF%BC%8EA%E2%80%83%20brief%E2%80%83%20history%E2%80%83%20of%E2%80%83%0Athe%E2%80%83development%E2%80%83of%E2%80%83mannequin%E2%80%83simulators%E2%80%83for%E2%80%83clinical%E2%80%83%0Aeducation%E2%80%83and%E2%80%83training%EF%BC%BBJ%EF%BC%BD%EF%BC%8EQual%E2%80%83Saf%E2%80%83Health%E2%80%83Care%EF%BC%8C%0A2004%EF%BC%8C13%EF%BC%88Suppl%E2%80%831%EF%BC%89%EF%BC%9Ai11-i18%EF%BC%8E

8、YAN%E2%80%83S%EF%BC%8CGAN%E2%80%83Y%EF%BC%8CJIANG%E2%80%83N%EF%BC%8Cet%E2%80%83al%EF%BC%8EThe%E2%80%83%20global%E2%80%83%0Asurvival%E2%80%83rate%E2%80%83among%E2%80%83adult%E2%80%83out-of-hospital%E2%80%83cardiac%E2%80%83arrest%E2%80%83%0Apatients%E2%80%83who%E2%80%83received%E2%80%83cardiopulmonary%E2%80%83resuscitation%EF%BC%9A%0AA%E2%80%83systematic%E2%80%83review%E2%80%83and%E2%80%83meta-analysis%EF%BC%BBJ%EF%BC%BD%EF%BC%8ECrit%E2%80%83%0ACare%EF%BC%8C2020%EF%BC%8C24%EF%BC%881%EF%BC%89%EF%BC%9A61%EF%BC%8E

9、HORN%E2%80%83G%E2%80%83T%EF%BC%8CBOWLING%E2%80%83F%E2%80%83Y%EF%BC%8CLOWE%E2%80%83D%E2%80%83E%EF%BC%8Cet%E2%80%83al%EF%BC%8E%0AManikin%E2%80%83human-patient%E2%80%83simulator%E2%80%83training%EF%BC%BBJ%EF%BC%BD%EF%BC%8EJ%E2%80%83%0ASpec%E2%80%83Oper%E2%80%83Med%EF%BC%8C2017%EF%BC%8C17%EF%BC%882%EF%BC%89%EF%BC%9A89%EF%BC%8E

10、TRIPATHY%E2%80%83D%E2%80%83K%EF%BC%8CDHAR%E2%80%83M%EF%BC%8CBHARDWAJ%E2%80%83B%E2%80%83B%EF%BC%8C%0Aet%E2%80%83al%EF%BC%8EUse%E2%80%83%20of%E2%80%83%20a%E2%80%83%20human%E2%80%83%20patient%E2%80%83%20simulator%E2%80%83for%E2%80%83%20apnea%E2%80%83%0Astudies%EF%BC%9AA%E2%80%83preliminary%E2%80%83in%E2%80%83vitro%E2%80%83trial%EF%BC%BBJ%EF%BC%BD%EF%BC%8EKorean%E2%80%83J%E2%80%83%0AAnesthesiol%EF%BC%8C2022%EF%BC%8C75%EF%BC%885%EF%BC%89%EF%BC%9A437-444%EF%BC%8E

11、%E2%80%83%20MAO%E2%80%83R%E2%80%83Q%EF%BC%8CLAN%E2%80%83L%EF%BC%8CKAY%E2%80%83J%EF%BC%8Cet%E2%80%83al%EF%BC%8EImmersive%E2%80%83virtual%E2%80%83%0Areality%E2%80%83for%E2%80%83surgical%E2%80%83training%EF%BC%9AA%E2%80%83systematic%E2%80%83review%EF%BC%BBJ%EF%BC%BD%EF%BC%8EJ%E2%80%83Surg%E2%80%83Res%EF%BC%8C2021%EF%BC%88268%EF%BC%89%EF%BC%9A40-58%EF%BC%8E

12、%E2%80%83%20IZARD%E2%80%83S%E2%80%83G%EF%BC%8CJUANES%E2%80%83J%E2%80%83A%EF%BC%8CGARC%C3%8DA%E2%80%83PE%C3%91ALVO%E2%80%83F%E2%80%83J%EF%BC%8C%0Aet%E2%80%83al%EF%BC%8EVirtual%E2%80%83reality%E2%80%83as%E2%80%83an%E2%80%83educational%E2%80%83and%E2%80%83training%E2%80%83tool%E2%80%83%0Afor%E2%80%83medicine%EF%BC%BBJ%EF%BC%BD%EF%BC%8EJ%E2%80%83Med%E2%80%83Syst%EF%BC%8C2018%EF%BC%8C42%EF%BC%883%EF%BC%89%EF%BC%9A50%EF%BC%8E

13、%E2%80%83%20HO%E2%80%83A%E2%80%83K%EF%BC%8CALSAFFAR%E2%80%83H%EF%BC%8CDOYLE%E2%80%83P%E2%80%83C%EF%BC%8Cet%E2%80%83al%EF%BC%8E%0AVirtual%E2%80%83%20reality%E2%80%83myringotomy%E2%80%83simulation%E2%80%83with%E2%80%83%20real-time%E2%80%83%0Adeformation%EF%BC%9ADevelopment%E2%80%83and%E2%80%83validity%E2%80%83testing%EF%BC%BBJ%EF%BC%BD%EF%BC%8E%0ALaryngoscope%EF%BC%8C2012%EF%BC%8C122%EF%BC%888%EF%BC%89%EF%BC%9A1844-1851%EF%BC%8E

14、%E2%80%83%20JUNG%E2%80%83H%EF%BC%8CLEE%E2%80%83D%E2%80%83Y%EF%BC%8CAHN%E2%80%83W%EF%BC%8EReal-time%E2%80%83deformation%E2%80%83%0Aof%E2%80%83colon%E2%80%83and%E2%80%83endoscope%E2%80%83for%E2%80%83colonoscopy%E2%80%83simulation%EF%BC%BBJ%EF%BC%BD%EF%BC%8E%0AInt%E2%80%83J%E2%80%83Med%E2%80%83Robot%EF%BC%8C2012%EF%BC%8C8%EF%BC%883%EF%BC%89%EF%BC%9A273-281%EF%BC%8E

15、%E2%80%83%20RODLER%E2%80%83S%EF%BC%8CGANJAVI%E2%80%83C%EF%BC%8Cde%E2%80%83BACKER%E2%80%83P%EF%BC%8Cet%E2%80%83al%EF%BC%8E%0AGenerative%E2%80%83artificial%E2%80%83intelligence%E2%80%83in%E2%80%83surgery%EF%BC%BBJ%EF%BC%BD%EF%BC%8E%0ASurgery%EF%BC%8C2024%EF%BC%8C175%EF%BC%886%EF%BC%89%EF%BC%9A1496-1502%EF%BC%8E

16、LEON%E2%80%83S%EF%BC%8CLEE%E2%80%83S%EF%BC%8CPEREZ%E2%80%83J%E2%80%83E%EF%BC%8Cet%E2%80%83al%EF%BC%8EArtificial%E2%80%83%0Aintelligence%E2%80%83and%E2%80%83the%E2%80%83education%E2%80%83of%E2%80%83future%E2%80%83surgeons%EF%BC%BBJ%EF%BC%BD%EF%BC%8E%0AAm%E2%80%83J%E2%80%83Surg%EF%BC%8C2025%EF%BC%88246%EF%BC%89%EF%BC%9A116257%EF%BC%8E

17、TRUONG%E2%80%83H%EF%BC%8CQI%E2%80%83D%EF%BC%8CRYASON%E2%80%83A%EF%BC%8Cet%E2%80%83al%EF%BC%8EDoes%E2%80%83%0Ayour%E2%80%83team%E2%80%83know%E2%80%83how%E2%80%83to%E2%80%83%20respond%E2%80%83safely%E2%80%83to%E2%80%83an%E2%80%83operating%E2%80%83%0Aroom%E2%80%83fire%E2%80%83Outcomes%E2%80%83of%E2%80%83a%E2%80%83virtual%E2%80%83reality%EF%BC%8CAI-enhanced%E2%80%83%0Asimulation%E2%80%83training%EF%BC%BBJ%EF%BC%BD%EF%BC%8ESurg%E2%80%83Endosc%EF%BC%8C2022%EF%BC%8C36%0A%EF%BC%885%EF%BC%89%EF%BC%9A3059-3067%EF%BC%8E

18、%E2%80%83%20HOWLADER%E2%80%83D%EF%BC%8CDAGA%E2%80%83D%EF%BC%8CMEHROTRA%E2%80%83D%EF%BC%8EThe%E2%80%83%0Ascope%E2%80%83of%E2%80%83computerized%E2%80%83simulation%E2%80%83in%E2%80%83competency-based%E2%80%83%0Amaxillofacial%E2%80%83training%EF%BC%9AA%E2%80%83systematic%E2%80%83review%EF%BC%BBJ%EF%BC%BD%EF%BC%8EInt%E2%80%83%0AJ%E2%80%83Oral%E2%80%83Maxillofac%E2%80%83Surg%EF%BC%8C2022%EF%BC%8C51%EF%BC%888%EF%BC%89%EF%BC%9A1101-1110%EF%BC%8E

19、AMIRI%E2%80%83H%EF%BC%8CPEIRAVI%E2%80%83S%EF%BC%8CREZAZADEH%E2%80%83SHOJAEE%E2%80%83S%E2%80%83%0AS%EF%BC%8Cet%E2%80%83al%EF%BC%8EMedical%EF%BC%8Cdental%EF%BC%8Cand%E2%80%83nursing%E2%80%83students%E2%80%99%0Aattitudes%E2%80%83and%E2%80%83knowledge%E2%80%83towards%E2%80%83artificial%E2%80%83intelligence%EF%BC%9A%0AA%E2%80%83systematic%E2%80%83review%E2%80%83and%E2%80%83meta-analysis%EF%BC%BBJ%EF%BC%BD%EF%BC%8EBMC%E2%80%83%0AMed%E2%80%83Educ%EF%BC%8C2024%EF%BC%8C24%EF%BC%881%EF%BC%89%EF%BC%9A412%EF%BC%8E

20、XU%E2%80%83Y%EF%BC%8CJIANG%E2%80%83Z%EF%BC%8CTING%E2%80%83D%E2%80%83S%E2%80%83W%EF%BC%8Cet%E2%80%83al%EF%BC%8EMedical%E2%80%83%0Aeducation%E2%80%83and%E2%80%83physician%E2%80%83training%E2%80%83in%E2%80%83the%E2%80%83era%E2%80%83of%E2%80%83artificial%E2%80%83%0Aintelligence%EF%BC%BBJ%EF%BC%BD%EF%BC%8ESingapore%E2%80%83Med%E2%80%83J%EF%BC%8C2024%EF%BC%8C65%0A%EF%BC%883%EF%BC%89%EF%BC%9A159-166%EF%BC%8E

21、%E2%80%83%20LIU%E2%80%83P%E2%80%83R%EF%BC%8CLU%E2%80%83L%EF%BC%8CZHANG%E2%80%83J%E2%80%83Y%EF%BC%8Cet%E2%80%83al%EF%BC%8EApplication%E2%80%83of%E2%80%83%0Aartificial%E2%80%83intelligence%E2%80%83in%E2%80%83medicine%EF%BC%9AAn%E2%80%83overview%EF%BC%BBJ%EF%BC%BD%EF%BC%8E%0ACurr%E2%80%83Med%E2%80%83Sci%EF%BC%8C2021%EF%BC%8C41%EF%BC%886%EF%BC%89%EF%BC%9A1105-1115%EF%BC%8E

22、%E2%80%83%20HOSSAIN%E2%80%83E%EF%BC%8CRANA%E2%80%83R%EF%BC%8CHIGGINS%E2%80%83N%EF%BC%8Cet%E2%80%83al%EF%BC%8ENatural%E2%80%83%0ALanguage%E2%80%83Processing%E2%80%83in%E2%80%83Electronic%E2%80%83Health%E2%80%83Records%E2%80%83in%E2%80%83%0Arelation%E2%80%83to%E2%80%83healthcare%E2%80%83decision-making%EF%BC%9AA%E2%80%83systematic%E2%80%83%0Areview%EF%BC%BBJ%EF%BC%BD%EF%BC%8EComput%E2%80%83Biol%E2%80%83Med%EF%BC%8C2023%EF%BC%88155%EF%BC%89%EF%BC%9A%0A106649%EF%BC%8E

23、KANJEE%E2%80%83Z%EF%BC%8CCROWE%E2%80%83B%EF%BC%8CRODMAN%E2%80%83A%EF%BC%8EAccuracy%E2%80%83of%E2%80%83%0Aa%E2%80%83generative%E2%80%83artificial%E2%80%83intelligence%E2%80%83model%E2%80%83in%E2%80%83a%E2%80%83complex%E2%80%83diagnostic%E2%80%83challenge%EF%BC%BBJ%EF%BC%BD%EF%BC%8EJAMA%EF%BC%8C2023%EF%BC%8C330%0A%EF%BC%881%EF%BC%89%EF%BC%9A78-80%EF%BC%8E

24、JORG%E2%80%83T%EF%BC%8CK%C3%84MPGEN%E2%80%83B%EF%BC%8CFEILER%E2%80%83D%EF%BC%8Cet%E2%80%83al%EF%BC%8EEfficient%E2%80%83%0Astructured%E2%80%83%20reporting%E2%80%83in%E2%80%83%20radiology%E2%80%83%20using%E2%80%83an%E2%80%83intelligent%E2%80%83%0Adialogue%E2%80%83%20system%E2%80%83%20based%E2%80%83%20on%E2%80%83%20speech%E2%80%83%20recognition%E2%80%83%20and%E2%80%83%0Anatural%E2%80%83language%E2%80%83processing%EF%BC%BBJ%EF%BC%BD%EF%BC%8EInsights%E2%80%83Imaging%EF%BC%8C%0A2023%EF%BC%8C14%EF%BC%881%EF%BC%89%EF%BC%9A47%EF%BC%8E

25、ARAPI%E2%80%83V%EF%BC%8CHARDT-STREMAYR%E2%80%83A%EF%BC%8CWEISS%E2%80%83S%EF%BC%8C%0Aet%E2%80%83al%EF%BC%8EBridging%E2%80%83the%E2%80%83simulation-to-real%E2%80%83gap%E2%80%83for%E2%80%83AI%02based%E2%80%83%20needle%E2%80%83%20and%E2%80%83target%E2%80%83%20detection%E2%80%83in%E2%80%83%20robot-assisted%E2%80%83%0Aultrasound-guided%E2%80%83interventions%EF%BC%BBJ%EF%BC%BD%EF%BC%8EEur%E2%80%83Radiol%E2%80%83%0AExp%EF%BC%8C2023%EF%BC%8C7%EF%BC%881%EF%BC%89%EF%BC%9A30%EF%BC%8E

26、WANG%E2%80%83S%EF%BC%8CREN%E2%80%83T%EF%BC%8CCHENG%E2%80%83N%EF%BC%8Cet%E2%80%83al%EF%BC%8EDynamic%E2%80%83%0Avirtual%E2%80%83%20simulation%E2%80%83with%E2%80%83%20real-time%E2%80%83haptic%E2%80%83feedback%E2%80%83for%E2%80%83%0Arobotic%E2%80%83internal%E2%80%83mammary%E2%80%83artery%E2%80%83harvesting%EF%BC%BBJ%EF%BC%BD%EF%BC%8E%0ABioengineering%EF%BC%8C2025%EF%BC%8C12%EF%BC%883%EF%BC%89%EF%BC%9A285%EF%BC%8E

27、FAZLOLLAHI%E2%80%83A%E2%80%83M%EF%BC%8CBAKHAIDAR%E2%80%83M%EF%BC%8CALSAYEGH%E2%80%83%0AA%EF%BC%8Cet%E2%80%83al%EF%BC%8EEffect%E2%80%83%20of%E2%80%83%20artificial%E2%80%83intelligence%E2%80%83tutoring%E2%80%83%0Avs%E2%80%83expert%E2%80%83instruction%E2%80%83on%E2%80%83learning%E2%80%83%20simulated%E2%80%83%20surgical%E2%80%83%0Askills%E2%80%83among%E2%80%83medical%E2%80%83students%EF%BC%9AA%E2%80%83%20randomized%E2%80%83clinical%E2%80%83%0Atrial%EF%BC%BBJ%EF%BC%BD%EF%BC%8EJAMA%E2%80%83Netw%E2%80%83Open%EF%BC%8C2022%EF%BC%8C5%EF%BC%882%EF%BC%89%EF%BC%9A%0Ae2149008%EF%BC%8E

28、HASHEMI%E2%80%83N%EF%BC%8CSVENDSEN%E2%80%83M%E2%80%83B%E2%80%83S%EF%BC%8CBJERRUM%E2%80%83F%EF%BC%8C%0Aet%E2%80%83al%EF%BC%8EAcquisition%E2%80%83and%E2%80%83usage%E2%80%83of%E2%80%83%20robotic%E2%80%83%20surgical%E2%80%83data%E2%80%83%0Afor%E2%80%83machine%E2%80%83learning%E2%80%83analysis%EF%BC%BBJ%EF%BC%BD%EF%BC%8ESurg%E2%80%83Endosc%EF%BC%8C%0A2023%EF%BC%8C37%EF%BC%888%EF%BC%89%EF%BC%9A6588-6601%EF%BC%8E

29、RIVAS%E2%80%83J%E2%80%83G%EF%BC%8CTORIBIO%E2%80%83V%C3%81ZQUEZ%E2%80%83C%EF%BC%8CBALLESTEROS%E2%80%83%0ARUIZ%E2%80%83C%EF%BC%8Cet%E2%80%83al%EF%BC%8EArtificial%E2%80%83intelligence%E2%80%83and%E2%80%83simulation%E2%80%83%0Ain%E2%80%83urology%EF%BC%BBJ%EF%BC%BD%EF%BC%8EActas%E2%80%83Urol%E2%80%83Esp%EF%BC%8C2021%EF%BC%8C45%EF%BC%888%EF%BC%89%EF%BC%9A%0A524-529%EF%BC%8E

30、RODRIGUEZ%E2%80%83PE%C3%91ARANDA%E2%80%83N%EF%BC%8CEISSA%E2%80%83A%EF%BC%8C%0AFERRETTI%E2%80%83S%EF%BC%8Cet%E2%80%83al%EF%BC%8EArtificial%E2%80%83intelligence%E2%80%83in%E2%80%83surgical%E2%80%83%0Atraining%E2%80%83for%E2%80%83kidney%E2%80%83cancer%EF%BC%9AA%E2%80%83systematic%E2%80%83%20review%E2%80%83of%E2%80%83the%E2%80%83%0Aliterature%EF%BC%BBJ%EF%BC%BD%EF%BC%8EDiagnostics%EF%BC%8C2023%EF%BC%8C13%EF%BC%8819%EF%BC%89%EF%BC%9A%0A3070%EF%BC%8E

31、KIYASSEH%E2%80%83D%EF%BC%8CLACA%E2%80%83J%EF%BC%8CHAQUE%E2%80%83T%E2%80%83F%EF%BC%8Cet%E2%80%83al%EF%BC%8E%0AHuman%E2%80%83visual%E2%80%83explanations%E2%80%83mitigate%E2%80%83bias%E2%80%83in%E2%80%83AI-based%E2%80%83%0Aassessment%E2%80%83of%E2%80%83surgeon%E2%80%83skills%EF%BC%BBJ%EF%BC%BD%EF%BC%8ENPJ%E2%80%83Digit%E2%80%83Med%EF%BC%8C%0A2023%EF%BC%8C6%EF%BC%881%EF%BC%89%EF%BC%9A54%EF%BC%8E

32、%E2%80%83%20ZHANG%E2%80%83Y%EF%BC%8CFENG%E2%80%83H%EF%BC%8CZHAO%E2%80%83Y%EF%BC%8Cet%E2%80%83al%EF%BC%8EExploring%E2%80%83%0Athe%E2%80%83application%E2%80%83of%E2%80%83the%E2%80%83artificial-intelligence-integrated%E2%80%83%0Aplatform%E2%80%833D%E2%80%83slicer%E2%80%83in%E2%80%83medical%E2%80%83imaging%E2%80%83education%EF%BC%BBJ%EF%BC%BD%EF%BC%8E%0ADiagnostics%EF%BC%8C2024%EF%BC%8C14%EF%BC%882%EF%BC%89%EF%BC%9A146%EF%BC%8E

33、%E2%80%83%20LIAW%E2%80%83S%E2%80%83Y%EF%BC%8CTAN%E2%80%83J%E2%80%83Z%EF%BC%8CLIM%E2%80%83S%EF%BC%8Cet%E2%80%83al%EF%BC%8EArtificial%E2%80%83%0Aintelligence%E2%80%83%20i%20n%E2%80%83%20virtual%E2%80%83%20reality%E2%80%83%20simulation%E2%80%83%20for%E2%80%83interprofessional%E2%80%83communication%E2%80%83training%EF%BC%9AMixed%E2%80%83%0Amethod%E2%80%83study%EF%BC%BBJ%EF%BC%BD%EF%BC%8ENurse%E2%80%83Educ%E2%80%83Today%EF%BC%8C2023%0A%EF%BC%88122%EF%BC%89%EF%BC%9A105718%EF%BC%8E

34、AGGARWAL%E2%80%83A%EF%BC%8CTAM%E2%80%83C%E2%80%83C%EF%BC%8CWU%E2%80%83D%EF%BC%8Cet%E2%80%83al%EF%BC%8EArtificial%E2%80%83%0Aintelligence%E2%80%93based%E2%80%83%20chatbots%E2%80%83for%E2%80%83%20promoting%E2%80%83%20health%E2%80%83%0Abehavioral%E2%80%83changes%EF%BC%9ASystematic%E2%80%83review%EF%BC%BBJ%EF%BC%BD%EF%BC%8EJ%E2%80%83Med%E2%80%83%0AInternet%E2%80%83Res%EF%BC%8C2023%EF%BC%8825%EF%BC%89%EF%BC%9Ae40789%EF%BC%8E

35、RODGERS%E2%80%83D%E2%80%83L%EF%BC%8CNEEDLER%E2%80%83M%EF%BC%8CROBINSON%E2%80%83A%EF%BC%8Cet%E2%80%83al%EF%BC%8E%0AArtificial%E2%80%83intelligence%E2%80%83and%E2%80%83the%E2%80%83simulationists%EF%BC%BBJ%EF%BC%BD%EF%BC%8E%0ASimul%E2%80%83Healthc%EF%BC%8C2023%EF%BC%8C18%EF%BC%886%EF%BC%89%EF%BC%9A395-399%EF%BC%8E

36、MERGEN%E2%80%83M%EF%BC%8CJUNGA%E2%80%83A%EF%BC%8CRISSE%E2%80%83B%EF%BC%8Cet%E2%80%83al%EF%BC%8E%0AImmersive%E2%80%83training%E2%80%83of%E2%80%83clinical%E2%80%83%20decision%E2%80%83making%E2%80%83with%E2%80%83%0AAI%E2%80%83driven%E2%80%83virtual%E2%80%83patients%E2%80%83-%E2%80%83a%E2%80%83new%E2%80%83VR%E2%80%83platform%E2%80%83called%E2%80%83%0Amedical%E2%80%83tr%EF%BC%8EAI%EF%BC%8Ening%EF%BC%BBJ%EF%BC%BD%EF%BC%8EGMS%E2%80%83J%E2%80%83Med%E2%80%83Educ%EF%BC%8C%0A2023%EF%BC%8C40%EF%BC%882%EF%BC%89%EF%BC%9ADoc18%EF%BC%8E

37、%E2%80%83%20KOMASAWA%E2%80%83N%EF%BC%8CYOKOHIRA%E2%80%83M%EF%BC%8ESimulation-based%E2%80%83%0Aeducation%E2%80%83in%E2%80%83the%E2%80%83artificial%E2%80%83intelligence%E2%80%83era%EF%BC%BBJ%EF%BC%BD%EF%BC%8E%0ACureus%EF%BC%8C2023%EF%BC%8C15%EF%BC%886%EF%BC%89%EF%BC%9Ae40940%EF%BC%8E

38、HAMILTON%E2%80%83A%EF%BC%8EArtificial%E2%80%83intelligence%E2%80%83and%E2%80%83healthcare%E2%80%83%0Asimulation%EF%BC%9AThe%E2%80%83%20shifting%E2%80%83%20landscape%E2%80%83%20of%E2%80%83%20medical%E2%80%83%0Aeducation%EF%BC%BBJ%EF%BC%BD%EF%BC%8ECureus%EF%BC%8C2024%EF%BC%8C16%EF%BC%885%EF%BC%89%EF%BC%9Ae59747%EF%BC%8E

39、KHAKPAKI%E2%80%83A%EF%BC%8EAdvancements%E2%80%83in%E2%80%83artificial%E2%80%83intelligence%E2%80%83%0Atransforming%E2%80%83medical%E2%80%83education%EF%BC%9AA%E2%80%83%20comprehensive%E2%80%83%0Aoverview%EF%BC%BBJ%EF%BC%BD%EF%BC%8EMed%E2%80%83Educ%E2%80%83Online%EF%BC%8C2025%EF%BC%8C30%0A%EF%BC%881%EF%BC%89%EF%BC%9A2542807%EF%BC%8E

40、ZIDOUN%E2%80%83Y%EF%BC%8CMARDI%E2%80%83A%E2%80%83E%EF%BC%8EArtificial%E2%80%83Intelligence%0A%EF%BC%88AI%EF%BC%89-Based%E2%80%83simulators%E2%80%83versus%E2%80%83simulated%E2%80%83patients%E2%80%83in%E2%80%83%0Aundergraduate%E2%80%83programs%EF%BC%9AA%E2%80%83protocol%E2%80%83for%E2%80%83a%E2%80%83%20randomized%E2%80%83%0Acontrolled%E2%80%83trial%EF%BC%BBJ%EF%BC%BD%EF%BC%8EBMC%E2%80%83Med%E2%80%83Educ%EF%BC%8C2024%EF%BC%8C24%0A%EF%BC%881%EF%BC%89%EF%BC%9A1260%EF%BC%8E

41、%E2%80%83ALI%E2%80%83M%EF%BC%8EThe%E2%80%83%20role%E2%80%83%20of%E2%80%83%20A%20I%E2%80%83%20in%E2%80%83%20re%20shaping%E2%80%83%20medical%E2%80%83%0Aeducation%EF%BC%9AOpportunities%E2%80%83and%E2%80%83challenges%EF%BC%BBJ%EF%BC%BD%EF%BC%8EClin%E2%80%83%0ATeach%EF%BC%8C2025%EF%BC%8C22%EF%BC%882%EF%BC%89%EF%BC%9Ae70040%EF%BC%8E

42、%E2%80%83%20HAMILTON%E2%80%83A%EF%BC%8CMOLZAHN%E2%80%83A%EF%BC%8CMCLEMORE%E2%80%83K%EF%BC%8E%0AThe%E2%80%83%20evolution%E2%80%83from%E2%80%83%20standardized%E2%80%83to%E2%80%83%20virtual%E2%80%83%20patients%E2%80%83%0Ain%E2%80%83medical%E2%80%83education%EF%BC%BBJ%EF%BC%BD%EF%BC%8ECureus%EF%BC%8C2024%EF%BC%8C16%0A%EF%BC%8810%EF%BC%89%EF%BC%9Ae71224%EF%BC%8E

43、%E2%80%83%20MINTZ%E2%80%83Y%EF%BC%8CBRODIE%E2%80%83R%EF%BC%8EIntroduction%E2%80%83to%E2%80%83%20artificial%E2%80%83%0Aintelligence%E2%80%83in%E2%80%83medicine%EF%BC%BBJ%EF%BC%BD%EF%BC%8EMinim%E2%80%83%20Invasive%E2%80%83Ther%E2%80%83%0AAllied%E2%80%83Technol%EF%BC%8C2019%EF%BC%8C28%EF%BC%882%EF%BC%89%EF%BC%9A73-81%EF%BC%8E

44、%E2%80%83%20TOLSGAARD%E2%80%83M%E2%80%83G%EF%BC%8CPUSIC%E2%80%83M%E2%80%83V%EF%BC%8CSEBOK-SYER%E2%80%83%20S%E2%80%83%0AS%EF%BC%8Cet%E2%80%83al%EF%BC%8EThe%E2%80%83fundamentals%E2%80%83of%E2%80%83Artificial%E2%80%83Intelligence%E2%80%83in%E2%80%83%0Amedical%E2%80%83education%E2%80%83research%EF%BC%9AAMEE%E2%80%83Guide%E2%80%83No%EF%BC%8E156%0A%EF%BC%BBJ%EF%BC%BD%EF%BC%8EMed%E2%80%83Teach%EF%BC%8C2023%EF%BC%8C45%EF%BC%886%EF%BC%89%EF%BC%9A565-573%EF%BC%8E