Los efectos de un modelo de lenguaje amplio sobre las habilidades de interrogatorio clínico

En la actualidad, la principal forma de enseñanza de habilidades de interrogatorio clínico es permitir que los estudiantes universitarios que participan en el aprendizaje aprendan primero las características y los puntos de diagnóstico de los casos y luego practiquen el interrogatorio con pacientes reales en las salas. Sin embargo, debido al gran número de estudiantes en formación, es difícil satisfacer la demanda de enseñanza en términos de la cantidad de casos disponibles para interrogar y la riqueza de tipos de enfermedades bajo el modo de enseñanza actual. Por lo tanto, es necesario utilizar nuevas tecnologías inteligentes y crear un nuevo modelo de enseñanza de habilidades de cuestionamiento para mejorar la eficiencia de la enseñanza y mejorar el pensamiento clínico de los estudiantes.

El modelado de lenguajes a gran escala (LLM) es una tecnología de aprendizaje profundo que puede aprender conocimientos a partir de una gran cantidad de texto, y los chatbots de IA como ChatGPT son un ejemplo típico de su aplicación. Los chatbots de IA se caracterizan por una comprensión antropomórfica y capacidades diversificadas de generación de lenguaje natural en diferentes contextos, y se han aplicado inicialmente en el campo médico, como aprobar el examen de licencia médica de EE. UU., ayudar en la documentación de la historia oftálmica y responder preguntas oftálmicas. Sin embargo, se ha descubierto que, aunque el LLM tiene un rendimiento aceptable como modelo en el conocimiento médico general, todavía necesita mejorarse en el área de enfermedades especializadas. Con base en esto, el equipo del investigador utilizó el libro de texto de oftalmología, el consenso de guías clínicas, los datos de conversaciones de Internet y la base de conocimientos del Centro de Oftalmología de Zhongshan en la etapa inicial, combinados con aprendizaje por refuerzo de retroalimentación artificial y otras técnicas para afinar y entrenar el LLM. y desarrolló "Paciente gemelo digital", un modelo de lenguaje grande localizado que tiene la capacidad de responder preguntas médicas relacionadas con la oftalmología, y también construyó una combinación de evaluación de modelo automatizada y evaluación manual realizada por expertos médicos. Al mismo tiempo se construyó el sistema de evaluación que combina la evaluación del modelo automatizado y la evaluación manual por parte de expertos médicos.

Este proyecto pretende integrar el "Paciente Gemelo Digital" en el aprendizaje de pregrado en oftalmología, simular el proceso de consulta de pacientes reales a través de la interacción en línea entre los estudiantes y el "Paciente Gemelo Digital", explorar el efecto de la enseñanza de consulta del "Paciente Gemelo Digital" y proporcionar tecnología emergente. herramientas para guiar a los estudiantes de medicina para que aprendan activamente una variedad de casos de oftalmología, cultiven el pensamiento clínico y brinden la posibilidad de crear un nuevo modo de enseñanza inteligente.