대규모 언어 모델(LLM) 기반 가상 환자(VP) 시뮬레이션은 안전하고 반복 가능하며 맥락이 풍부한 임상 실습을 가능하게 함으로써 전통적인 의학 및 간호 교육을 보완하는 새로운 방식으로 부상하고 있다. 본 검토는 2023년부터 2025년까지의 최근 발전을 종합하여, 마흔 편의 연구 전반에 걸쳐 구현 접근법, 데이터 관행, 평가 방법 및 교차적 과제를 지도화한다. 여섯 가지 구현 범주가 확인되었는데, 이는 시나리오 생성, 프롬프트 기반 VP, 피드백이 통합된 자동화 채점, 현실감 및 적응성을 강화한 시스템, 지식 기반 및 다중 에이전트 혼합형, 그리고 정신건강 지향 시스템이다. 분석에서는 데이터셋 활용(지식 출처와 거버넌스 포함)과 평가 프레임워크를 요약하고, 재현 가능한 평가를 위한 정량적 지표를 제시한다. 지속적인 과제로는 사실 정확성, 역할 일관성, 정서적 현실감, 그리고 윤리적 및 법적 책임성이 포함된다. 전반적으로 LLM 기반 VP 시스템은 시뮬레이션 기반 학습을 확장할 가능성이 점차 커지는 것으로 나타나지만, 교육적 타당성과 일반화 가능성을 확립하기 위해서는 다기관 통제 연구에서의 더 강력한 근거, 표준화된 지표, 투명한 보고(모델 버전, 프롬프트), 그리고 견고한 데이터 거버넌스가 필요하다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.