人工智能助力雙導師在全科住院醫師規范化培訓中的應用探討

[摘要]"目的"探討人工智能（artificial"intelligence，AI）輔助雙導師負責下的一體化教學模式在全科住院醫師規范化培訓（簡稱“住培”）教育中的應用效果，以期為全科醫學教育創新提供新思路。方法"將35名全科住培醫師分為兩組：對照組（n=18）采用雙導師負責的一體化教學模式，實驗組（n=17）在對照組基礎上引入AI輔助，使用客觀結構化臨床考試進行年度考核，動態評估分析兩種模式對全科住培醫師能力的影響并觀察該影響隨時間的變化。結果"二年級及三年級年度考核中，實驗組全科住培醫師各分站成績均較對照組高，差異有統計學意義（Plt;0.05），且對全科理論教學、臨床技能操作、帶教師資、教學管理、后勤保障及綜合滿意度均高于對照組。結論"AI輔助可優化雙導師負責下的教學流程，提高教學效果和質量，顯著提升全科醫生的綜合能力。AI的深入應用有望為全科醫學教育帶來革命性變化，為培養更多高素質全科醫療人才提供強有力支持。

[關鍵詞]"全科醫學教育；雙導師制度；人工智能；一體化教學；臨床思維能力

[中圖分類號]"G642.0""""""[文獻標識碼]"A""""""[DOI]"10.3969/j.issn.1673-9701.2024.36.018

為適應現代社會-心理-生物醫療服務模式，全科醫生必須具備預防、醫療、康復、計劃生育、健康管理及教育“六位一體”綜合服務的能力[1]。全科醫學教育要求住院醫師規范化培訓（簡稱“住培”）醫師除掌握醫學知識外，還應具有社會溝通及連續性、綜合性健康管理的能力。因此，建立以能力培養為導向的高效規范化培訓教學體系就顯得至關重要[2-3]。在此背景下，雙導師負責下的一體化教學模式以其獨特的優勢，為全科住培教育提供了新的發展途徑。同時，人工智能技術（artificial"intelligence，AI）的發展給醫學教育帶來創新的機遇[4-5]。本研究采用客觀結構化臨床考試（objective"structured"clinical"examination，OSCE）對全科住培醫師進行多次年度考核，動態評價其各項能力，旨在探討AI在雙導師負責下的一體化教學模式中提升全科住培醫師能力的影響及這種影響隨時間的變化，以期為醫學教育的創新發展提供有益的參考。

1""資料與方法

1.1""研究對象

選取株洲市中心醫院2018年9月至2023年12月參加國家住院醫師規范化培訓的35名全科住培醫師，將其按入基地學習時間分為對照組（n=18）（2018—2019級）及實驗組（n=17）（2020—2021級）。兩組全科住培醫師的性別、年齡及入培訓基地前理論成績等基線資料比較，差異無統計學意義（Pgt;0.05），具有可比性，見表1。參加本研究的全科住培醫師均知情同意并簽署知情同意書。本研究經株洲市中心醫院倫理委員會審批通過（倫理審批號：2020189-01）。

1.2""方法

對照組全科住培醫師給予雙導師負責制一體化教學：培訓期間每位全科住培醫師有一名院級住培導師和專科或社區帶教老師共同負責教學和培養，從而實現三級醫院的教學資源和社區全科思維相結合，全科與專科相結合，全面提升住培醫師綜合素養和臨床實踐能力[6-7]；并運用質量管理工具的計劃-執行-檢查-處理（plan-do-check-action，PDCA）循環理論進行培訓管理，通過考核結果分析問題、反饋培訓效果并制定對策。重點培養住培醫師的臨床能力，包括自主學習、溝通交流、信息管理、批判性思維和科研能力。結合社區疾病譜，強化專業訓練，并通過課內小講課、臨床競賽等活動提升自主學習能力。溝通交流能力通過模擬醫患溝通和糾紛處理場景培養，同時通過讀書報告會、科研項目申請和科研論文撰寫，提升信息處理和科研素養[7-8]。

實驗組全科住培醫師在對照組的基礎上引入培訓管理軟件進行考核考勤管理和教學質量控制，實現導師與全科住培醫師之間的高效互動。導師通過AI輔助系統利用智能導學技術，根據全科住培醫師的學習歷史和能力水平，提供個性化的學習資源和實時反饋。此外，導師通過AI系統收集的學習參與度和技能掌握情況數據，進行定期的教學效果評估，以確保教學活動的有效性和針對性。同時應用軟件的臨床思維訓練評估模塊對住培醫師的病史采集、技能模擬及病例分析等各項接診能力進行反復訓練。

1.3""評價指標與方法

1.3.1""培訓效果""在全科住培醫師完成每一年培訓末采用OSCE六站式考核，根據培訓框架制定OSCE內容[9]。站點考官均經過專業培訓，詳細了解站點和考核內容及評分細則，并具有主治醫師及以上職稱。OSCE"6個站點及分值：病史采集（15分）、病例分析（20分）、體格檢查（20分）、技能操作（20分）、輔助結果判讀（10分）、病歷文書書寫（15分）。

1.3.2""滿意度調查""包括全科理論教學、臨床技能操作、帶教師資、教學管理、后勤保障、綜合滿意度等，按非常不滿意、不滿意、一般、滿意、非常滿意等級分別計1～5分。

1.4""統計學方法

采用SPSS"26.0統計學軟件對數據進行處理分析。計量資料以均數±標準差（）表示，兩組間比較采用獨立樣本t檢驗；計數資料以例數（百分率）[n（%）]表示，比較采用c2檢驗。Plt;0.05為差異有統計學意義。

2""結果

2.1""兩組全科住培醫師各年度考核及各分站成績比較

一年級年度考核中，兩組全科住培醫師各分站成績比較，差異無統計學意義（Pgt;0.05）；二年級及三年級年度考核中，實驗組全科住培醫師各分站成績均較對照組高，差異有統計學意義（Plt;0.05），見表2。

2.2""兩組全科住培醫師滿意度比較

實驗組全科住培醫師對全科理論教學、臨床技能操作、帶教師資、教學管理、后勤保障及綜合滿意度均高于對照組，差異有統計學意義（Plt;0.05），見表3。

3""討論

探索和實施高效的全科醫師培養策略，是當前醫學教育改革和衛生政策制定的重要議題[10]。本研究運用AI軟件輔助PDCA循環結合雙導師負責制的一體化教學模式將全科住培構架于人才培養模式上，采用OSCE階段性評估，根據評估反饋不斷規范并改進住培中各項教學活動，確保培訓過程遵循規范化、制度化和科學化的原則，強化全科理念及思維，從而使全科住培的培訓質量得到持續優化和提升。本研究通過動態觀察和評估全科住院醫師規范化培訓3年間在臨床技能、自主學習能力和溝通技巧等方面的能力，結果顯示，與對照組相比實驗組全科住培醫師的教學成績提升更顯著，提示AI管理在雙導師一體化教學模式中對住培醫師長期能力培養有重要作用。AI賦能雙導師制的一體化教學模式不僅是對全科住培教育模式的一種創新，更是推動中國醫學教育走向個性化、現代化和國際化的重要步驟。首先，AI基于智適應技術構建智能導學系統，可根據全科住培醫師的學習歷史、能力和興趣定制個性化的學習計劃，且可提供實時反饋和指導，幫助全科住培醫師識別并解決學習中具體問題，提升學習成效[11]。其次，AI在培養醫學生臨床思維能力方面也帶來創新和改進[12]。目前，國內醫學教育主要側重于疾病的教學，但株洲市中心醫院更推崇一種以癥狀為起點，逐步深入的病例分析方法，以促進醫學生臨床思維的培養。為此，株洲市中心醫院引入臨床思維訓練評估教學軟件，旨在培養年輕醫生臨床推理能力。全科住培醫師可在用戶界面上完成問診至診斷治療等一系列臨床診療環節，可真實再現從病史詢問、體格檢查到輔助檢查、診斷、鑒別診斷及治療的整個流程，通過模擬教學可使全科住培醫師更深刻地理解診療流程和患者的病情[13-14]。本研究顯示實驗組通過軟件的應用全科住培醫師病史采集、技能操作及病例分析等臨床接診能力顯著提高，且學習積極性和滿意度也均提高。此外，AI在促進教師團隊合作方面有顯著效果。兩位導師通過智能系統可更有效地協作，實時監控全科住培醫師的學習過程并提供即時反饋，幫助導師了解其學習進度和掌握情況，并及時發現學習中可能存在的問題，從而及時調整教學方法和內容，確保教學更符合實際需求[15]。最后，這一教學模式還將促進醫學教育與其他學科的交叉融合[16]。AI技術的發展離不開計算機科學、數據科學、心理學等多個學科的支撐，而醫學教育也需要不斷吸收這些學科的最新成果。雙導師制和AI技術的結合可搭建一個跨學科的教學平臺，讓全科住培醫師在學習醫學知識的同時，也能接觸到其他相關領域的最新進展，從而培養其綜合素養和創新能力。

雖然AI在全科醫學教育中具有廣闊的應用前景，但也面臨著一些挑戰。例如，如何確保AI推薦的學習資源和學習路徑的準確性和有效性？如何平衡AI與雙導師在臨床教學中的角色和職責？如何避免全科住培醫師過度依賴AI削弱其自主學習能力和批判性思維的可能？本研究納入的全科住培醫師數量相對較少，由于研究時間跨度的限制，長期效果與持續影響尚未得到充分評估，運用AI輔助管理的經驗也在不斷摸索中，這些問題需要今后在臨床教學實踐中進一步探索和解決，以確保該教育模式能適應未來醫療領域的需求。

綜上所述，AI的融入可顯著優化雙導師負責下的教學流程，提升教學效果和質量，從而提升全科醫師的綜合能力。未來，筆者將充分利用AI的技術優勢，進一步探索擴大AI教學應用范圍，并解決當前研究中發現的局限性，推動全科醫學教育的改革和創新，為培養更多優秀的醫學人才做出貢獻。

利益沖突：所有作者均聲明不存在利益沖突。

[參考文獻]

[1] 張貴鋒，"李力強，"曾藝文，"等."基于醫教協同的基層中醫全科醫學人才培養模式改革探索[J]."中國衛生產業，"2017，"14（12）："10–13.

[2] 葛運運，"徐靜，"周亞夫，"等."我國全科醫學發展歷史與現狀分析[J]."中國全科醫學，"2013，"16（25）："2201–2203.

[3] 方玉婷."中國全科醫學教育、培訓及其發展和挑戰[J]."中國全科醫學，"2016，"19（1）："78–81.

[4] WINKLER-SCHWARTZ"A，"BISSONNETTE"V，"MIRCHI"N，"et"al."Artificial"intelligence"in"medical"education："Best"practices"using"machine"learning"to"assess"surgical"expertise"in"virtual"reality"simulation[J]."J"Surg"Educ，"2019，"76（6）："1681–1690.

[5] GOROSPE-SARASúA"L，"MU?OZ-OLMEDO"J"M，"SENDRA-PORTERO"F，"et"al."Challenges"of"radiology"education"in"the"era"of"artificial"intelligence[J]."Radiología"（English"Edition），"2022，"64（1）："54–59.

[6] 荊慧，"尚海濤，"李曉莉，"等."雙導師制度在超聲住院醫師規范化培訓中的探索[J]."中國醫藥導報，"2022，"19（4）："88–90.

[7] 李鳴莉."邵逸夫醫院全科住培模式解析[J]."中國衛生人才，"2017，"1（2）："54–58.

[8] 李民，"封蕾，"謝錦，"等."住院醫師規范化培訓師資分層培訓體系的構建與實踐[J]."中國畢業后醫學教育，"2024，"8（6）："401–403.

[9] 張振建，"蘭祥星，"姚維，"等."360度評價在住院醫師規范化培訓學員溝通能力考評中的應用[J]."湖北醫藥學院學報，"2017，"36（1）："72–75，"77.

[10] 李海潮."第二代醫學教育改革與勝任力導向醫學教育的關系分析[J]."中華醫學教育雜志，"2019，"39（11）："801–806.