AMIE بر روی داده‌های واقعی، از جمله استدلال پزشکی، خلاصه‌سازی و مکالمات بالینی آموزش دیده است. این تیم یک محیط گفتگوی تشخیصی شبیه‌سازی‌شده مبتنی بر خود یادگیری منحصربه‌فرد برای آموزش ربات چت ایجاد کرده که مکانیسم‌های بازخورد خودکار را در یک محیط مراقبت مجازی ترکیب می‌کند. استراتژی استنتاج “زنجیره زمانی استدلال” نیز برای افزایش دقت تشخیصی و کیفیت مکالمه AMIE به کار گرفته شد.

عملکرد چت‌بات از طریق مشاوره با بیماران شبیه‌سازی شده، که توسط بازیگران آموزش دیده بازی می‌شد، ارزیابی شد و با 20 پزشک مراقبت‌های اولیه (PCPs) با گواهی هیئت مدیره مقایسه شد. این مطالعه، شامل 149 سناریو موردی از ارائه دهندگان معاینه بالینی ساختاریافته عینی (OSCE) در کانادا، بریتانیا و هند، نتایج امیدوارکنندهای را نشان داد.

AMIE مکالمات تشخیصی را حداقل به اندازه PCP‌ها در چندین جنبه بالینی کیفیت مشاوره، موثر نشان داد، از جمله تاریخچه گرفتن، دقت تشخیص، مدیریت بالینی، مهارت‌های ارتباطی، ایجاد رابطه و همدلی. چت‌بات دقت تشخیصی بیشتر و عملکرد برتر را در نشانگرهای مختلف نشان داد و پتانسیل خود را در زمینه هوش مصنوعی تشخیصی محاورهای به نمایش گذاشت.

علی‌رغم نتایج امیدوارکننده، محققان بر محدودیت‌های مطالعه، به‌ویژه استفاده از چت متنی همزمان تأکید کردند و خواستار تحقیقات بیشتر قبل از اجرای AMIE در تنظیمات دنیای واقعی شدند.