建構醫學人文新典範
一份整合標準化病人(SP)、結構化檢討(Debriefing)與人工智慧(AI)的三年期研究計畫
計畫核心：三大支柱的協同作用
標準化病人 (SP)
透過高擬真度的人際互動模擬，呈現細膩的情感與倫理複雜性。
結構化檢討 (Debriefing)
引導深度的反思性實踐，將經驗轉化為可遷移的學習成果。
人工智慧 (AI)
提供客觀、可規模化的表現分析，賦能個人化回饋。
計畫總體目標
建構永續資源
建立高品質SP人力庫與標準化教案資料庫。
創新教學模式
開發AI輔助的微型課程，提供個人化回饋。
深化反思實踐
建立AI輔助的Debriefing模式，訓練專業引導員。
提升人文素養
實證提升溝通技巧、同理心與人文關懷。
確保倫理實踐
優先考量數據隱私與演算法公平性。
三年整合執行時程
第一年：基礎建設期
此階段重點在於奠定計畫基石。我們將完成SP核心團隊的招募與基礎培訓，建立標準化的教案格式，並開發首批核心教案。同時，啟動研究倫理審查(IRB)申請，為後續的數據收集與分析鋪路。
第二年：創新開發期
進入第二年，我們將重心轉向技術與教學法的創新。主要任務包括擴充SP人力庫與教案資料庫，開發並試行AI輔助的微型課程，並開始建構醫療級ASR模型。Debriefer的培育計畫也將在此階段全面展開。
第三年：驗證與擴散期
計畫的最後一年將聚焦於大規模的驗證與成果擴散。我們將完成所有資源庫的建置，全面評估AI輔助課程與Debriefing模式的成效，進行演算法公平性評估，並將研究成果透過學術論文與研討會進行發表。
五大子計畫深度解析
子計畫一：SP人力庫建置
40位
招募、培訓並認證一支高品質、背景多元的標準化病人團隊。
子計畫四：Debriefer培育
20位
培育能有效運用AI數據進行高品質反思引導的臨床教師團隊。
子計畫二：醫學人文教案資料庫
目標開發60份標準化教案，涵蓋告知壞消息、醫病共享決策、倫理困境等核心主題。
子計畫三：AI輔助微型課程
開發5-7個課程模組，整合SP互動與AI分析，其核心技術框架如下：
- 1.數據集建構：收集多樣化的華語醫病對話語音，並採用合成數據技術擴充。
- 2.模型微調：利用專業醫療數據對Whisper等預訓練模型進行領域自適應微調。
- 3.後處理優化：利用特化語言模型(LLM)作為校對器，修正轉錄錯誤，提升準確率。
子計畫五：AI輔助Debriefing模式
建立並驗證AI輔助模式，AI將分析溝通行為，提供客觀數據以深化反思。
預期學術產出
本計畫預計將研究過程與成果，轉化為具體的學術產出，以促進學術社群的交流與知識擴散。
未來展望
環境臨床智能
將技術擴展至臨床，發展能自動生成病歷的「AI環境書記員」，將醫生從文書工作中解放。
聲音生物標記
探索語音特徵與特定疾病（如憂鬱、認知衰退）的關聯，開創非侵入性的數位健康篩查新模式。