Suuren kielimallin vaikutukset kliinisen kyselyn taitoihin

Tällä hetkellä kliinisen kyselyn taitojen opetuksen päämuoto on antaa oppisopimuskoulutukseen osallistuvien opiskella ensin tapausten ominaisuudet ja diagnostiset kohdat ja sitten harjoitella kuulusteluja osastoilla oikeilla potilailla. Harjoitteluopiskelijoiden suuresta määrästä johtuen on kuitenkin vaikea vastata opetustarpeeseen kuulustettavien tapausten lukumäärän ja sairaustyyppien runsauden suhteen nykyisessä opetusmuodossa. Siksi on tarpeen hyödyntää uusia älykkäitä teknologioita ja luoda uusi malli taitojen opetukseen opetuksen tehostamiseksi ja opiskelijoiden kliinisen ajattelun kehittämiseksi.

Large-scale Language Modeling (LLM) on syväoppimistekniikka, joka voi oppia tietoa suuresta tekstimäärästä, ja AI chatbotit, kuten ChatGPT, ovat tyypillinen esimerkki sen sovelluksesta. Tekoäly-chatboteille on ominaista antropomorfinen ymmärtäminen ja monipuoliset luonnollisen kielen generointikyvyt eri yhteyksissä, ja niitä on alun perin sovellettu lääketieteen alalla, kuten läpäisseet Yhdysvaltain lääketieteellisen lupatutkimuksen, auttaneet silmähistorian dokumentoinnissa ja vastaamaan silmäkysymyksiin. On kuitenkin havaittu, että vaikka LLM:llä onkin reilu mallinnustulos yleislääketieteen tiedossa, sitä on vielä parannettava erikoissairauksien alueella. Tämän perusteella tutkijaryhmä on käyttänyt varhaisessa vaiheessa silmätautioppikirjaa, kliinisen ohjeen konsensusta, Internet-keskusteludataa ja Zhongshan Ophthalmology Centerin tietopohjaa yhdistettynä keinotekoiseen palautevahvistusoppimiseen ja muihin tekniikoihin LLM:n hienosäätämiseen ja kouluttamiseen. ja kehitti "Digital Twin Patient", lokalisoidun laajan kielimallin, jolla on kyky vastata oftalmologiaan liittyviin lääketieteellisiin kysymyksiin. Lisäksi se rakensi automaattisen mallin arvioinnin ja lääketieteen asiantuntijoiden manuaalisen arvioinnin yhdistelmän. Samalla rakennettiin automaattisen mallin arvioinnin ja lääketieteen asiantuntijoiden manuaalisen arvioinnin yhdistävä arviointijärjestelmä.

Tämän hankkeen tarkoituksena on integroida "Digital Twin Patient" silmälääkärin oppisopimuskoulutukseen, simuloida todellisten potilaiden konsultointiprosessia opiskelijoiden ja "digitaalisen kaksoispotilaan" välisen online-vuorovaikutuksen kautta, tutkia "Digital Twin Patient" -konsultaatioopetuksen vaikutuksia, tarjota uutta teknologiaa työkaluja, joilla ohjataan lääketieteen opiskelijoita aktiivisesti oppimaan erilaisia ​​silmätautitapauksia, kehittämään kliinistä ajattelua ja tarjoamaan mahdollisuus luoda uusi älykäs opetusmuoto.