Gli effetti di un ampio modello linguistico sulle capacità di interrogatorio clinico

Al momento, la forma principale di insegnamento delle competenze relative alle domande cliniche è quella di consentire agli studenti universitari che partecipano all'apprendistato di apprendere prima le caratteristiche e i punti diagnostici dei casi, e poi di esercitarsi a fare domande su pazienti reali nei reparti. Tuttavia, a causa dell’elevato numero di studenti in tirocinio, è difficile soddisfare la domanda di insegnamento in termini di numero di casi disponibili per essere interrogati e di ricchezza di tipi di malattie con l’attuale modalità di insegnamento. Pertanto, è necessario utilizzare nuove tecnologie intelligenti e creare un nuovo modello di insegnamento delle competenze in discussione per migliorare l'efficienza dell'insegnamento e potenziare il pensiero clinico degli studenti.

La modellazione linguistica su larga scala (LLM) è una tecnologia di deep learning in grado di apprendere conoscenze da una grande quantità di testo e i chatbot AI come ChatGPT sono un tipico esempio della sua applicazione. I chatbot con intelligenza artificiale sono caratterizzati da comprensione antropomorfica e capacità diversificate di generazione del linguaggio naturale in diversi contesti e sono stati inizialmente applicati in campo medico, come il superamento dell'esame di licenza medica degli Stati Uniti, l'assistenza nella documentazione della storia oftalmica e la risposta a domande oftalmiche. Tuttavia, è stato riscontrato che, sebbene l'LLM abbia discrete prestazioni di modellazione nelle conoscenze mediche generali, deve ancora essere migliorato nell'area delle malattie specialistiche. Sulla base di ciò, il team di ricercatori ha utilizzato il libro di testo di oftalmologia, il consenso sulle linee guida cliniche, i dati di conversazione su Internet e la base di conoscenza del Centro di oftalmologia di Zhongshan nella fase iniziale, combinato con l'apprendimento di rinforzo con feedback artificiale e altre tecniche per mettere a punto e addestrare il LLM e ha sviluppato "Digital Twin Patient", un modello linguistico di grandi dimensioni localizzato in grado di rispondere a domande mediche relative all'oftalmologia e ha anche costruito una combinazione di valutazione del modello automatizzata e valutazione manuale da parte di esperti medici. Contemporaneamente è stato costruito il sistema di valutazione che combina la valutazione automatizzata del modello e la valutazione manuale da parte di esperti medici.

Questo progetto intende integrare il "Paziente gemello digitale" nell'apprendistato universitario di oftalmologia, simulare il processo di consultazione di pazienti reali attraverso l'interazione online tra gli studenti e il "Paziente gemello digitale", esplorare l'effetto dell'insegnamento della consultazione del "Paziente gemello digitale", fornire tecnologia emergente strumenti per guidare gli studenti di medicina ad apprendere attivamente una varietà di casi di oftalmologia, coltivare il pensiero clinico e offrire la possibilità di creare una nuova modalità di insegnamento intelligente.