临床实习作为医学生从在校学生向住院医师转变的过渡阶段，对职业道路发展和个人能力成长具备重要意义。就培养环节而言，五年制临床专业学生在大一到大三阶段主要接受通识教育学习和基础医学知识培训，大四学年完成临床见习及临床课程的理论学习，而大五实习阶段在内外妇儿不同科室轮转，在带教老师指导下实现理论到实践的转化。如何引导实习医师由被动学习适应主动学习，与带教医师之间形成有效配合，是相关科教部门应解决的现实问题。

文心一言及ChatGPT等工具以人工神经网络为核心[1]，通过将大型语言模型(large language model,LLM)与深度学习技术结合，实现自然语言的理解和文本生成[2]，能完成代码开发、模型优化、剧本编写等任务[3]。目前相关产品是否能应用于医疗领域存在一定争议，从减少医患纠纷、保障患者健康角度出发，国内部分学者认为人工智能难以跨越伦理与人文的鸿沟，ChatGPT及同类的Medical AI不能真正取缔临床医生的主体活动[4]。但单论临床实习的教育教学工作，人工智能或可作为一种有效的辅助工具提升教学效果。本文对人工智能结合参与式教学法在临床实习带教中的应用思路及实施路径进行概述。

1、参与式教学法的理论基础

1.1 应用背景

“教学”是“教授”和“学习”的融合，教学活动存在“老师”和“学生”两个主体，但近年来国内高等教育呈现教而不学、各自为政的割裂态势。究其因，一方面是课程内容死板固化，大班教学无法兼顾每个学生个体的学习体验和学习进度；一方面是学生对课程本身兴趣不强，以应试为学习目的而不注重真正的素养提升。在此基础上，国内既有引入叙事教学法[5]、案例教学法[6]、角色扮演教学法[7]的改革，也有开设虚拟仿真教学平台[8]、建设跨学科特色课程[9]的创新。在增加师生互动、优化教学设计的需求驱动下，参与式教学法得到重视和实践。

1.2 理念纲领

“以学生为中心、师生共同参与”是参与式教学法的指导理念[10]。以学生为中心，即强调学生在教学活动中的主体地位，充分发挥学生的主观能动性，从填鸭式教育、灌输式教育转变为学生自我导向学习，引导学生形成主动探究的思维。师生共同参与，即注重带教老师与学生之间的沟通互动，根据学生需求制定教学方案、调整教学计划，营造平等自由的教学氛围，最大化地保障教学效果。

1.3 实施办法

就临床实习的带教而言，将参与式教学法融入教学设计应从课前准备、过程学习、课后评价三个方面进行落实。在入科报到阶段，带教老师可向实习医师了解其技能短板和学习目标，针对性地安排相应教学活动；在病房小讲堂中，实习医师可通过翻转课堂形式展示学习成果，带教老师再根据试讲中暴露的易错易混淆的知识点进行回授[11]；在技能培训及手术带教中，带教老师在不干扰正常临床进程、不影响患者治疗效果的前提下可安排实习医师积极参与临床操作，直观了解手术过程和解剖结构[12]；在出科小结阶段，实习医师应积极与带教老师讨论教学感受，评述优点和不足，通过双向评价总结经验，为教学思路的改良优化提供可靠依据。

2、参与式教学法与人工智能的互补作用

2.1 节约管理成本

和传统大班教学相比，参与式教学法以学生为中心，对带教老师在课程设计、小讲座安排、教学效果检验等方方面面提出了更高要求，然而就实际情况来看，临床工作繁忙、教学准备时间缺乏是制约参与式教学法实施效果的现实因素，大部分带教医师难以兼顾临床与教学工作，无暇按照学生期待及时更新教学案例，只能用既有的演示文稿完成最基本的教学任务，陷入心有余而力不足的恶性循环。人工智能类工具最大的应用优势之一即推动教学管理的智能化[13]。最基本的文本处理功能可从给定的大段材料中提取关键信息，以markdown源代码输出后结合Mindshow等平台实现PPT的一键生成；通过EXCEL直接导入数据或将人工智能平台和数据分析工具集成，带教老师和实习学员可对学习情况、趋势动态进行分析，把握学习进度；此外，田阳等[14]提出，ChatGPT类产品的逻辑推理有望助推智慧校园建设，合理安排教学调度管理工作，以人工神经网络模型构筑“全流程一张网”的管理模式。

2.2 打破信息壁垒

有别于大班教学以“一对多”形式开展，临床实习中带教老师与实习医师往往是一对一的关系。以换药为例，不同高年资医师对无菌物品的准备及传递可能有不同的职业习惯，实习医师在这一阶段所学到的临床操作在带教者指导下或呈现鲜明的师承痕迹。而上升到教学环境层面，受地理位置、当地风俗、优势学科等因素的影响，教学医院在收治病种上可能有一定的偏向性，刚刚踏入职业生涯的实习医师在训练自身诊疗思维时或受此干扰，为日后漏诊误诊埋下隐患。文心一言、ChatGPT等人工智能平台以国内外大规模语料库为预训练的基础，涵盖了维基百科、已发表刊物、Common Crawl、Reddit链接和其他数据集[15]。将人工智能融入参与式教学的方案设计，可将带教老师与实习医师之间的交互拓展为师生双方与外界信息流的交互，形成“人—工具—世界”的联结。这种自内而外的转变即为破除“信息壁垒”的正向进程，在此基础上，不同的学生个体可缩减对医疗问题的认知差异，不断规范自身的临床操作。增加人工智能平台为信息来源，带教医师的指导仍然具备重要价值，前辈的经验有助于实习医师将理论转化为实践，充分实现自我提升。

2.3 拓宽创新思维

从生成算法看，人工智能采用概率模型进行建构和优化，且语料库来源皆为历史性的、陈旧性的素材，元素重组的过程本身缺乏原创性[16]，无法真正提供具有开创价值的全新方案。而学生利用人工智能平台获取问题答案，在节省时间的同时也缩减了自身必要的思考过程，可能导致对智能工具形成依赖。国内李会春等[17]提出，ChatGPT类工具的算法会形成一定的套路，当人工智能的答题模式成为学生的桎梏，可直接干扰灵感表达，影响创造性思维的形成。恰恰相反，参与式教学法可激发学习的主动性，鼓励创新思考。在参与式教学法的实施过程中，学生身份不再局限于问题的回答者，而可上升为问题的提出者、研究者、反思者。传统教学模式下学生常因被动学习而触发厌学情绪，以应付交差的心理完成作业任务，故而引入人工智能平台可能带来思想惰性；而当实习医师在医学学习中的自主程度提高，高屋建瓴地反思课程设计，以善于发现的眼睛挖掘问题本质，人工智能产品对教学主体的遮蔽问题自然迎刃而解。更进一步地，实习医师可将自己的预设答案与自动生成的回答进行比对，对疾病诊疗的漏洞或进展形成认识，从而以人工智能为踏板精炼诊疗思维。

2.4 规避信任危机

人工智能类产品诱发的信任危机包括学术诚信、信息甄别、隐私安全等多方面。生成式人工智能的传播打破了传统的教学关系，信息传递的迭代升级在一定程度上使教师身体的教育地位日渐弱化[18]，学生自主学习能力的提升可能导致师生间的依赖程度和情感联系不断被削弱，而国内外部分学生或学者滥用大型语言模型代写课程作业及论文的现象进一步将互不信任的教学双方推至对立面。此外，人工智能语料库的信息来源较为驳杂，生成的信息不一定准确可靠，教师及学生在使用相关产品时可能泄露个人隐私，这些因素是目前暴露出的不容忽视的问题。和在校期间的课程考核不同，实习阶段的考核一般不与绩点挂钩，仅作为带教老师对实习医师阶段性学习成果的检验手段，这为人工智能和参与式教学法的融合提供了先决条件。共同参与教学设计使实习医师与带教老师之间形成身份共鸣，一方面实习医师理解了考核要求和考核目的，能专注于自我提升而不是停滞在任务完成层面；一方面参与式教学法模式下带教医师对实习医师有更充足的契机进行指导，帮助其对人工智能类产品生成信息的可靠性进行甄别，如图1所示。

图1 参与式教学法中人工智能的文本生成

3、参与式教学法结合人工智能的具体路径

3.1 概括学习重点，明确阶段目标

如图2所示，输入指令“请罗列实习生在呼吸科应学习的临床技能”，人工智能平台对病史采集、影像学解读、急症救治等八个维度做出诠释，较全面地回答了该问题。而就实际情况来看，国内通科实习需在内科、外科、妇产科、儿科、影像科、麻醉科、急诊科等完成轮转，因而分配到每个科室的时长都较为有限，实习医师受各方面条件制约难以在每个亚专科都深度发展。结合自身兴趣及医院常见病种等一般情况，实习医师可与带教老师进行有效沟通，以人工智能平台的回答为参考依据，设置个性化的临床技能要求。如将病史采集、体格检查、影像学解读、急症救治确立为必须完成的基本目标，标本采集、肺功能测试、呼吸机的使用等确立为努力达成的进阶目标，在此基础上有计划、分阶段地完成实习任务。

图2 实施范例：概括重点

3.2 生成随机题库，检测学习效果

如图3所示，输入指令“请以过敏性哮喘的治疗为主题，生成三条选择题并给出答案”，人工智能平台调取了三条单选题，依次与紧急缓解、长期控制、给药方式相关。但仔细分析可以看出，题目与选项的设置仍然暴露出一些问题，如第三题中的选项C文本本身即包含“口服”，丧失了考察价值，需要进行调整。利用人工智能平台的文本生成功能进行题库生成，优点在于可以细化主题、题型、选项个数等要求，节省信息搜集的时间。不仅带教医师可以借此对学员的学习进度以及自身的教学水平进行评估，实习医师也可以灵活自测，以每日一练、每周一练的形式进行专项突击和知识巩固。

图3 实施范例：题库生成

3.3 挖掘学习资源，齐抓教学科研

时代发展背景下，“临床+教学+科研”齐头并进已经成为医师的常态，除临床技能外，科研思维亦逐渐成为实习带教的重要落脚点[19]。生物信息学分析作为目前较热门的研究方法，在关键基因筛选、风险预测模型构筑、蛋白质结构预测等方向具备重大价值。但鉴于生物信息学涉及计算机科学、统计学、生物学与生物化学，临床医师入门具有一定难度[20]。以生物学习为例，不管是在职医师还是实习医师都可充分利用人工智能平台，通过代码生成直观了解编写规则，通过模型优化完善自身的临床设计，深入挖掘国内外的教学资源，提升自我科研能力。

4、展望

人工智能本质上只是一种自然语言处理工具，在相关技术产品冲击教育业态时，如何突出工具属性、规避失范风险是目前需要解决的问题。文心一言、ChatGPT等平台背靠大型语料库，打破了传统概念上以师生为二元主体的教学格局，形成“教师—学生—机器”三元并立的协作关系。而参与式教学法可充分发挥学生的主观能动性，化被动学习为主动研究，协调好教师与学生的关系。从应用优势与可能短板上分析，两者互为补充，将参与式教学法与人工智能融合进教学方案及教学设计，可实现教学业态从旧到新的良好过渡。

经历了前四年的理论培训及观摩学习，实习医师已经积累了一定的基础知识，相较于低年级学生和其他非医学专业学生，对生成文本的可靠性具备更高的甄别能力。但考虑到临床素养的提升服务于临床工作，而临床工作又与患者的生命健康直接挂钩，在一对一的带教中，上级医师仍需严格审查教学素材的合理性、准确性。此外，国内外保护信息安全的法律法规仍在不断完善阶段，针对人工智能的数字资源管理责任体系有待健全[21]。从自我保护角度出发，师生在应用人工智能产品前应做好数字安全基础知识培训，避免泄漏隐私信息及关键的实验数据。

医学教育并不局限于临床知识的掌握或操作技能的精练，对患者的人文关怀是每个医师临床工作中不可缺失的重要环节。鉴于人工智能产品无法代替人类进行伦理和道德的合理判断，算法选择呈现出来的内容亦可能随开发者选择的语料库而带有历史偏见、文化偏见[22]，带教医师应不断强化医学人文教育，培养实习生形成正确的价值观、掌握实用的医患沟通技巧，在教育数字化转型进程中实现职业技能、创新能力、思想道德的全方位提升。

参考文献:

[1]克劳斯·迈因策尔,贾积有,张誉月. ChatGPT和人工智能:从基本原理到教育应用[J].北京大学教育评论, 2023, 21(1):35-48, 188.

[2]张志祯,张玲玲,米天伊,等.大型语言模型会催生学校结构性变革吗?——基于ChatGPT的前瞻性分析[J].中国远程教育, 2023, 43(4):32-41.

[3]肖峰.生成式人工智能与数字劳动的相互关联——以ChatGPT为例[J].学术界, 2023, 38(4):52-60.

[4]刘虹.即使可能,未必可以——也谈ChatGPT和Medical AI[J].医学与哲学, 2023, 44(1):8, 43.

[5]王晓敏,邹于征,王江波,等.叙事教学法在健康教育学中的应用[J].中国高等医学教育, 2023, 37(2):122-124.

[6]李凤霞,王爱芹,崔彩云,等.多媒体案例教学法结合Mini Quest教学法在口腔内科学课程教学中的应用研究[J].西部素质教育,2023, 9(7):142-145.

[7]李霞,张洁,梁蓓蓓,等.引导式教学法联合角色扮演法在老年护理学教学中的应用[J].重庆医学, 2023, 52(8):1261-1264.

[8]黄秀英,耿乔磊.基于虚拟仿真实验平台的理实一体化教学改革研究——以“医学影像设备学”课程为例[J].广东职业技术教育与研究, 2022,(6):141-144.

[9]曾常茜,刘双萍,孟庆瑜,等.新医科背景下医学检验技术专业跨学科特色课程体系的构建[J].科教导刊, 2021, 12(31):37-39.

[10]黄芬,李贞.参与式教学法在卫生事业管理学课程教学中的应用及满意度分析[J].卫生职业教育, 2023, 41(12):52-55.

[11]蓝建华,杨海,徐小涵,等.以目标为导向联合参与式教学法在临床小讲课中的运用[J].现代医药卫生, 2021, 37(23):4107-4110.

[12]胡明淼.参与式教学法在妇科手术实习带教中的探讨[J].实用妇科内分泌电子杂志, 2022, 9(22):80-83.

[13]沈超. ChatGPT:助力高等教育变革与创新型人才培养[J].国家教育行政学院学报, 2023,(3):13-16.

[14]田阳,王运武,于燕娟,等. ChatGPT类人工智能推动教育数字化变革的失范风险及应对策略[J].中国医学教育技术, 2023, 37(3):247-253, 267.

[15]姚前. ChatGPT类大模型训练数据的托管与治理[J].中国金融,2023,(6):51-53.

基金资助:2024年度江苏高校哲学社会科学研究一般项目(编号:2024SJYB0227); 2023年度南京医科大学教育研究重点课题(编号:2023ZD009);

文章来源:王言之,田曼,薛仁杰.人工智能结合参与式教学法在临床实习带教中的应用[J].海南医学,2024,35(15):2276-2280.