大语言模型对临床提问技巧的影响

目前，临床提问技能教学的主要形式是让参加学徒的本科生先了解病例的特点和诊断要点，然后在病房对真实患者进行提问练习。 但由于受训学员数量众多，现有教学模式下可供提问的病例数量、疾病种类的丰富程度难以满足教学需求。 因此，有必要利用新的智能技术，创建提问技能教学新模式，提高教学效率，增强学生的临床思维。

大规模语言建模（LLM）是一种深度学习技术，可以从大量文本中学习知识，ChatGPT等AI聊天机器人就是其应用的典型例子。 AI聊天机器人具有拟人化的理解能力和不同语境下多样化的自然语言生成能力，并已初步应用于医疗领域，例如通过美国医师执照考试、协助眼科病史记录、回答眼科问题等。 然而，研究发现，虽然LLM在普通医学知识方面具有尚可的建模表现，但在专科疾病领域仍需改进。 基于此，研究者团队前期利用中山眼科中心的眼科教材、临床指南共识、网络对话数据和知识库，结合人工反馈强化学习等技术，对法学硕士进行微调和培养。并开发了“数字孪生患者”，这是一个本地化的大语言模型，能够回答眼科相关的医学问题，并且还构建了自动化模型评估和医学专家手动评估相结合的方式。 同时构建了自动化模型评估与医学专家人工评估相结合的评估体系。

本项目拟将“数字孪生”融入本科生眼科学徒制，通过学生与“数字孪生”的在线互动，模拟真实患者的就诊过程，探索“数字孪生”会诊教学效果，提供新兴技术引导医学生主动学习各种眼科病例、培养临床思维的工具，为创建智能化教学新模式提供了可能。