Egy nagy nyelvi modell hatásai a klinikai kérdezőkészségre

Jelenleg a klinikai kérdezőkészség oktatásának fő formája, hogy a gyakornoki képzésben részt vevő egyetemisták először megtanulják az esetek jellemzőit, diagnosztikai pontjait, majd az osztályokon gyakorolják a kérdezést valódi betegeken. A gyakornokok nagy száma miatt azonban a jelenlegi oktatási mód mellett nehéz kielégíteni az oktatási igényt a kikérdezhető esetszám és a betegségtípusok gazdagsága tekintetében. Ezért új intelligens technológiák alkalmazására van szükség, és a megkérdőjelező készségek oktatásának új modelljét kell létrehozni a tanítás hatékonyságának javítása és a hallgatók klinikai gondolkodásának javítása érdekében.

A nagyméretű nyelvi modellezés (LLM) egy mély tanulási technológia, amely nagy mennyiségű szövegből képes tudást tanulni, és az AI chatbotok, például a ChatGPT tipikus példái ennek alkalmazására. Az AI chatbotokat antropomorf megértés és változatos természetes nyelvgenerálási képességek jellemzik különböző kontextusokban, és kezdetben az orvosi területen alkalmazták őket, például letették az amerikai orvosi engedélyt, segítettek a szemészeti történelem dokumentálásában és a szemészeti kérdések megválaszolásában. Megállapítást nyert azonban, hogy bár az LLM tisztességes modellezési teljesítményt nyújt az általános orvosi ismeretek terén, a speciális betegségek területén még javítani kell. Ennek alapján a kutatócsoport a szemészeti tankönyvet, a klinikai útmutató konszenzust, a Zhongshan Ophthalmology Center internetes beszélgetési adatait és tudásbázisát használta a korai szakaszban, kombinálva mesterséges visszacsatolás-erősítő tanulással és egyéb technikákkal az LLM finomhangolására és képzésére. és kifejlesztette a "Digital Twin Patient"-et, egy lokalizált nagy nyelvi modellt, amely képes megválaszolni a szemészettel kapcsolatos orvosi kérdéseket, valamint megalkotta az automatizált modellértékelés és az orvosi szakértők által végzett manuális értékelés kombinációját. Ezzel egyidőben épült ki az automatizált modellértékelést és az orvosi manuális értékelést ötvöző értékelő rendszer.

A projekt célja, hogy a „Digitális ikerbeteg”-t integrálja az egyetemi szemészeti gyakornoki képzésbe, szimulálja a valódi betegek konzultációs folyamatát a hallgatók és a „Digitális ikerbeteg” közötti online interakción keresztül, feltárja a „Digitális ikerbeteg” konzultációs oktatás hatását, új technológiát biztosít. eszközök az orvostanhallgatók különféle szemészeti esetek aktív elsajátítására, a klinikai gondolkodás ápolására, valamint az intelligens tanítás új módjának kialakítására.