EUVIMEDEUVIMED entdecken
Scoping ReviewOpen Access · CC BY-NC-ND 4.0

Mapping Applications and Outcomes of Large-Language-Model-Generated Cases in Health Professions Education: A Scoping Review.

Mapping von Anwendungen und Ergebnissen von Large-Language-Model-generierten Fällen in der Gesundheitsberufeausbildung: Scoping Review

Abdullah Bedir Kaya, Emre Emekli, Yavuz Selim Kiyak

Revista Española de Educación Médica · 02.01.2026 · 7 (1)

DOI: 10.6018/edumed.691691 ↗

Auf einen Blick

Die Scoping Review zeigt: LLM-generierte Fälle sind in der Gesundheitsberufeausbildung breit einsetzbar und variabel. Die Evidenz ist früh und methodisch heterogen; höhere Bildungsoutcomes wurden nicht berichtet.

Fragestellung

Wie werden LLMs zur Generierung von Fällen in der Gesundheitsberufeausbildung genutzt, und welche Fallmerkmale, Evaluationsansätze, Verzerrungen und Bildungsoutcomes werden berichtet?

Methode

Scoping Review nach Arksey und O’Malley, berichtet nach PRISMA-ScR; Suche in PubMed, Web of Science und Scopus am 27. August 2025.

Ergebnisse

23 Studien; 33 verschiedene LLMs, meist GPT-basiert (54,5 %). Fälle waren meist textbasiert (69 %); 60,9 % hatten eine formale Qualitätsbewertung. 7 Studien (30,4 %) berichteten Bias.

Einschränkungen

Methodisch heterogene Evidenz; keine höheren Bildungsoutcomes wie Verhaltensänderung oder Langzeitleistung berichtet.

Schlussfolgerung der Autor:innen

LLM-generierte Fälle erscheinen in der Gesundheitsberufeausbildung machbar und vielseitig, die Evidenz ist aber früh und methodisch heterogen.

Kernaussagen

  • 33 verschiedene LLMs, meist GPT-basiert (54,5 %)
  • 7 Studien (30,4 %) berichteten Bias oder diskriminierende Muster
  • Keine höheren Bildungsoutcomes wie Verhaltensänderung berichtet

Deutsche Zusammenfassung: KI-gestützt aus dem Original-Abstract erstellt; alle Zahlen wurden automatisch mit dem Original abgeglichen. Maßgeblich ist der Original-Abstract.

Kurz gefasst

Scoping Review in der Zeitschrift Revista Española de Educación Médica, online erschienen am 02.01.2026. Verfasst von Abdullah Bedir Kaya und 2 weiteren Autor:innen. Die Arbeit wurde bisher 4-mal zitiert (Crossref) und nennt 33 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY-NC-ND 4.0).

Auf einen BlickAbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Objective

Large language models (LLMs) have rapidly permeated health professions education and are increasingly used to generate clinical cases and vignettes, yet their characteristics, evaluation methods, and educational impact remain unclear. To map how LLMs are used to generate cases in health professions education and to summarize reported case characteristics, evaluation approaches, bias, and educational outcomes.

Methods

We conducted a scoping review following Arksey and O’Malley’s framework and reported using PRISMA-ScR. PubMed, Web of Science, and Scopus were searched on 27 August 2025. Of 2023 records, 72 full texts were assessed and 23 studies met inclusion criteria. Data were charted with a structured extraction form.

Results

Across the 23 studies, 33 distinct LLMs were used, most commonly GPT-based models (54.5%). Cases were mainly text-based (69%), with additional image- (20.7%) and audio-based (10.3%) formats across 23 clinical and educational domains. Prompts were reported in 65.2% of studies, and 60.9% included a formal quality evaluation, ranging from high quality to clearly problematic examples. Seven studies (30.4%) identified bias or discriminatory patterns. Student participation occurred in 39.1% of studies, but no higher-level educational outcomes such as behavior change or long-term performance were reported.

Conclusions

LLM-generated cases appear feasible and versatile across health professions education but are supported by early, methodologically heterogeneous evidence. Future research should standardize quality evaluation, rigorously assess learning and behavioral outcomes, and systematically audit bias in generated content.

Zitieren

APA

Kaya, A. B., Emekli, E., & Kiyak, Y. S. (2026). Mapping Applications and Outcomes of Large-Language-Model-Generated Cases in Health Professions Education: A Scoping Review. Revista Española de Educación Médica, 7(1). https://doi.org/10.6018/edumed.691691

Vancouver

Kaya AB, Emekli E, Kiyak YS. Mapping Applications and Outcomes of Large-Language-Model-Generated Cases in Health Professions Education: A Scoping Review. Revista Española de Educación Médica. 2026;7(1). doi:10.6018/edumed.691691

BibTeX
@article{Kaya2026,
  author = {Kaya, Abdullah Bedir and Emekli, Emre and Kiyak, Yavuz Selim},
  title = {Mapping Applications and Outcomes of Large-Language-Model-Generated Cases in Health Professions Education: A Scoping Review},
  journal = {Revista Española de Educación Médica},
  year = {2026},
  volume = {7},
  number = {1},
  doi = {10.6018/edumed.691691}
}
Kostenlos starten →