Effektene av en stor språkmodell på kliniske spørsmålsferdigheter

For tiden er hovedformen for undervisning i kliniske spørreferdigheter å la studenter som deltar i læretiden først lære karakteristikker og diagnostiske punkter ved tilfeller, og deretter øve avhør på reelle pasienter i avdelingene. På grunn av det store antallet traineestudenter er det imidlertid vanskelig å møte undervisningsbehovet når det gjelder antall tilfeller tilgjengelig for avhør og rikdommen av sykdomstyper under dagens undervisningsmodus. Derfor er det nødvendig å bruke nye intelligente teknologier og lage en ny modell for å undervise i spørsmålsferdigheter for å forbedre undervisningseffektiviteten og forbedre studentenes kliniske tenkning.

Storskala språkmodellering (LLM) er en dyplæringsteknologi som kan lære kunnskap fra en stor mengde tekst, og AI-chatbots som ChatGPT er et typisk eksempel på dens anvendelse. AI-chatboter er preget av antropomorf forståelse og diversifiserte evner til å generere naturlig språk i forskjellige sammenhenger, og har i utgangspunktet blitt brukt i det medisinske feltet, som å bestå U.S. Medical Licensing Examination, bistå med dokumentasjon av oftalmisk historie og svare på oftalmiske spørsmål. Det har imidlertid blitt funnet at selv om LLM har rimelig modelleringsytelse i generell medisinsk kunnskap, må den fortsatt forbedres innen spesialsykdommer. Basert på dette har forskerteamet brukt oftalmologi-læreboken, klinisk retningslinjekonsensus, internettsamtaledata og kunnskapsbase til Zhongshan Ophthalmology Center på et tidlig stadium, kombinert med kunstig tilbakemeldingsforsterkende læring og andre teknikker for å finjustere og trene LLM. , og utviklet "Digital Twin Patient", en lokalisert stor språkmodell som har evnen til å svare på oftalmologirelaterte medisinske spørsmål, og konstruerte også en kombinasjon av automatisert modellevaluering og manuell evaluering av medisinske eksperter. Evalueringssystemet som kombinerer automatisert modellevaluering og manuell evaluering av medisinske eksperter ble konstruert samtidig.

Dette prosjektet har til hensikt å integrere "Digital Tvillingpasient" i faglærling i oftalmologi, simulere konsultasjonsprosessen til ekte pasienter gjennom nettinteraksjonen mellom studenter og "Digital Tvillingpasient", utforske effekten av konsultasjonsundervisningen "Digital Tvillingpasient", gi fremvoksende teknologi verktøy for å veilede medisinstudenter til aktivt å lære en rekke oftalmologiske tilfeller, dyrke klinisk tenkning og gi muligheten til å skape en ny modus for intelligent undervisning.