Os efeitos de um grande modelo de linguagem nas habilidades de questionamento clínico

Atualmente, a principal forma de ensino de habilidades de questionamento clínico é permitir que os alunos de graduação que participam do aprendizado aprendam primeiro as características e os pontos diagnósticos dos casos e, em seguida, pratiquem o questionamento em pacientes reais nas enfermarias. Porém, devido ao grande número de alunos estagiários, é difícil atender à demanda docente em termos do número de casos disponíveis para questionamento e da riqueza de tipos de doenças na modalidade de ensino atual. Portanto, é necessário utilizar novas tecnologias inteligentes e criar um novo modelo de ensino de habilidades questionadoras para melhorar a eficiência do ensino e aprimorar o pensamento clínico dos alunos.

A modelagem de linguagem em larga escala (LLM) é uma tecnologia de aprendizagem profunda que pode aprender conhecimento a partir de uma grande quantidade de texto, e chatbots de IA como o ChatGPT são um exemplo típico de sua aplicação. Os chatbots de IA são caracterizados pela compreensão antropomórfica e habilidades diversificadas de geração de linguagem natural em diferentes contextos, e foram inicialmente aplicados na área médica, como passar no Exame de Licenciamento Médico dos EUA, auxiliar na documentação da história oftalmológica e responder perguntas oftalmológicas. No entanto, verificou-se que embora o LLM tenha um desempenho de modelação razoável no conhecimento médico geral, ainda precisa de ser melhorado na área das doenças especializadas. Com base nisso, a equipe do pesquisador usou o livro didático de oftalmologia, o consenso das diretrizes clínicas, os dados de conversas na Internet e a base de conhecimento do Centro de Oftalmologia de Zhongshan na fase inicial, combinados com o aprendizado de reforço de feedback artificial e outras técnicas para ajustar e treinar o LLM e desenvolveu o "Digital Twin Patient", um modelo localizado em grande linguagem que tem a capacidade de responder a perguntas médicas relacionadas à oftalmologia, e também construiu uma combinação de avaliação de modelo automatizado e avaliação manual por médicos especialistas. O sistema de avaliação que combina avaliação de modelo automatizado e avaliação manual por especialistas médicos foi construído ao mesmo tempo.

Este projeto pretende integrar o "Paciente Gêmeo Digital" no estágio de graduação em oftalmologia, simular o processo de consulta de pacientes reais através da interação online entre os alunos e o "Paciente Gêmeo Digital", explorar o efeito do ensino de consulta do "Paciente Gêmeo Digital", fornecer tecnologia emergente ferramentas para orientar estudantes de medicina no aprendizado ativo de uma variedade de casos de oftalmologia, cultivar o pensamento clínico e fornecer a possibilidade de criar um novo modo de ensino inteligente.