Effekterne af en stor sprogmodel på kliniske spørgsmålsfærdigheder

På nuværende tidspunkt er den primære form for undervisning i kliniske spørgende færdigheder at lade studerende, der deltager i læretiden, først lære karakteristika og diagnostiske punkter ved cases, og derefter øve sig i afhøring på rigtige patienter på afdelingerne. På grund af det store antal praktikantstuderende er det dog vanskeligt at imødekomme undervisningsefterspørgslen i forhold til antallet af sager til afhøring og rigdommen af ​​sygdomstyper under den nuværende undervisningsform. Derfor er det nødvendigt at udnytte nye intelligente teknologier og skabe en ny model for undervisning i spørgsmål i færdigheder for at forbedre undervisningseffektiviteten og styrke elevernes kliniske tænkning.

Storskala sprogmodellering (LLM) er en deep learning-teknologi, der kan lære viden fra en stor mængde tekst, og AI-chatbots som ChatGPT er et typisk eksempel på dens anvendelse. AI-chatbots er kendetegnet ved antropomorf forståelse og diversificerede naturlige sproggenereringsevner i forskellige sammenhænge og er oprindeligt blevet anvendt på det medicinske område, såsom at bestå U.S. Medical Licensing Examination, assistere med oftalmisk historiedokumentation og besvare oftalmiske spørgsmål. Det har dog vist sig, at selvom LLM har rimelig modelleringspræstation i generel medicinsk viden, skal den stadig forbedres inden for specialsygdomme. Baseret på dette har forskerholdet brugt oftalmologisk lærebog, klinisk retningslinjekonsensus, internetsamtaledata og videnbase fra Zhongshan Ophthalmology Center i det tidlige stadie, kombineret med kunstig feedbackforstærkende læring og andre teknikker til at finjustere og træne LLM. , og udviklede "Digital Twin Patient", en lokaliseret stor sprogmodel, der har evnen til at besvare oftalmologiske relaterede medicinske spørgsmål, og konstruerede også en kombination af automatiseret modelevaluering og manuel evaluering af medicinske eksperter. Evalueringssystemet, der kombinerer automatiseret modelevaluering og manuel evaluering af medicinske eksperter, blev konstrueret på samme tid.

Dette projekt har til hensigt at integrere "Digital Tvillingpatient" i en bacheloruddannelse i oftalmologi, simulere høringsprocessen for rigtige patienter gennem online-interaktionen mellem studerende og "Digital Tvillingpatient", udforske effekten af ​​"Digital Tvillingpatient" konsultationsundervisning, levere ny teknologi værktøjer til at vejlede medicinstuderende til aktivt at lære en række oftalmologiske tilfælde, dyrke klinisk tænkning og give mulighed for at skabe en ny form for intelligent undervisning.