人工智能助力双导师在全科住院医师规范化培训中的应用探讨

[摘要]"目的"探讨人工智能（artificial"intelligence，AI）辅助双导师负责下的一体化教学模式在全科住院医师规范化培训（简称“住培”）教育中的应用效果，以期为全科医学教育创新提供新思路。方法"将35名全科住培医师分为两组：对照组（n=18）采用双导师负责的一体化教学模式，实验组（n=17）在对照组基础上引入AI辅助，使用客观结构化临床考试进行年度考核，动态评估分析两种模式对全科住培医师能力的影响并观察该影响随时间的变化。结果"二年级及三年级年度考核中，实验组全科住培医师各分站成绩均较对照组高，差异有统计学意义（Plt;0.05），且对全科理论教学、临床技能操作、带教师资、教学管理、后勤保障及综合满意度均高于对照组。结论"AI辅助可优化双导师负责下的教学流程，提高教学效果和质量，显著提升全科医生的综合能力。AI的深入应用有望为全科医学教育带来革命性变化，为培养更多高素质全科医疗人才提供强有力支持。

[关键词]"全科医学教育；双导师制度；人工智能；一体化教学；临床思维能力

[中图分类号]"G642.0""""""[文献标识码]"A""""""[DOI]"10.3969/j.issn.1673-9701.2024.36.018

为适应现代社会-心理-生物医疗服务模式，全科医生必须具备预防、医疗、康复、计划生育、健康管理及教育“六位一体”综合服务的能力[1]。全科医学教育要求住院医师规范化培训（简称“住培”）医师除掌握医学知识外，还应具有社会沟通及连续性、综合性健康管理的能力。因此，建立以能力培养为导向的高效规范化培训教学体系就显得至关重要[2-3]。在此背景下，双导师负责下的一体化教学模式以其独特的优势，为全科住培教育提供了新的发展途径。同时，人工智能技术（artificial"intelligence，AI）的发展给医学教育带来创新的机遇[4-5]。本研究采用客观结构化临床考试（objective"structured"clinical"examination，OSCE）对全科住培医师进行多次年度考核，动态评价其各项能力，旨在探讨AI在双导师负责下的一体化教学模式中提升全科住培医师能力的影响及这种影响随时间的变化，以期为医学教育的创新发展提供有益的参考。

1""资料与方法

1.1""研究对象

选取株洲市中心医院2018年9月至2023年12月参加国家住院医师规范化培训的35名全科住培医师，将其按入基地学习时间分为对照组（n=18）（2018—2019级）及实验组（n=17）（2020—2021级）。两组全科住培医师的性别、年龄及入培训基地前理论成绩等基线资料比较，差异无统计学意义（Pgt;0.05），具有可比性，见表1。参加本研究的全科住培医师均知情同意并签署知情同意书。本研究经株洲市中心医院伦理委员会审批通过（伦理审批号：2020189-01）。

1.2""方法

对照组全科住培医师给予双导师负责制一体化教学：培训期间每位全科住培医师有一名院级住培导师和专科或社区带教老师共同负责教学和培养，从而实现三级医院的教学资源和社区全科思维相结合，全科与专科相结合，全面提升住培医师综合素养和临床实践能力[6-7]；并运用质量管理工具的计划-执行-检查-处理（plan-do-check-action，PDCA）循环理论进行培训管理，通过考核结果分析问题、反馈培训效果并制定对策。重点培养住培医师的临床能力，包括自主学习、沟通交流、信息管理、批判性思维和科研能力。结合社区疾病谱，强化专业训练，并通过课内小讲课、临床竞赛等活动提升自主学习能力。沟通交流能力通过模拟医患沟通和纠纷处理场景培养，同时通过读书报告会、科研项目申请和科研论文撰写，提升信息处理和科研素养[7-8]。

实验组全科住培医师在对照组的基础上引入培训管理软件进行考核考勤管理和教学质量控制，实现导师与全科住培医师之间的高效互动。导师通过AI辅助系统利用智能导学技术，根据全科住培医师的学习历史和能力水平，提供个性化的学习资源和实时反馈。此外，导师通过AI系统收集的学习参与度和技能掌握情况数据，进行定期的教学效果评估，以确保教学活动的有效性和针对性。同时应用软件的临床思维训练评估模块对住培医师的病史采集、技能模拟及病例分析等各项接诊能力进行反复训练。

1.3""评价指标与方法

1.3.1""培训效果""在全科住培医师完成每一年培训末采用OSCE六站式考核，根据培训框架制定OSCE内容[9]。站点考官均经过专业培训，详细了解站点和考核内容及评分细则，并具有主治医师及以上职称。OSCE"6个站点及分值：病史采集（15分）、病例分析（20分）、体格检查（20分）、技能操作（20分）、辅助结果判读（10分）、病历文书书写（15分）。

1.3.2""满意度调查""包括全科理论教学、临床技能操作、带教师资、教学管理、后勤保障、综合满意度等，按非常不满意、不满意、一般、满意、非常满意等级分别计1～5分。

1.4""统计学方法

采用SPSS"26.0统计学软件对数据进行处理分析。计量资料以均数±标准差（）表示，两组间比较采用独立样本t检验；计数资料以例数（百分率）[n（%）]表示，比较采用c2检验。Plt;0.05为差异有统计学意义。

2""结果

2.1""两组全科住培医师各年度考核及各分站成绩比较

一年级年度考核中，两组全科住培医师各分站成绩比较，差异无统计学意义（Pgt;0.05）；二年级及三年级年度考核中，实验组全科住培医师各分站成绩均较对照组高，差异有统计学意义（Plt;0.05），见表2。

2.2""两组全科住培医师满意度比较

实验组全科住培医师对全科理论教学、临床技能操作、带教师资、教学管理、后勤保障及综合满意度均高于对照组，差异有统计学意义（Plt;0.05），见表3。

3""讨论

探索和实施高效的全科医师培养策略，是当前医学教育改革和卫生政策制定的重要议题[10]。本研究运用AI软件辅助PDCA循环结合双导师负责制的一体化教学模式将全科住培构架于人才培养模式上，采用OSCE阶段性评估，根据评估反馈不断规范并改进住培中各项教学活动，确保培训过程遵循规范化、制度化和科学化的原则，强化全科理念及思维，从而使全科住培的培训质量得到持续优化和提升。本研究通过动态观察和评估全科住院医师规范化培训3年间在临床技能、自主学习能力和沟通技巧等方面的能力，结果显示，与对照组相比实验组全科住培医师的教学成绩提升更显著，提示AI管理在双导师一体化教学模式中对住培医师长期能力培养有重要作用。AI赋能双导师制的一体化教学模式不仅是对全科住培教育模式的一种创新，更是推动中国医学教育走向个性化、现代化和国际化的重要步骤。首先，AI基于智适应技术构建智能导学系统，可根据全科住培医师的学习历史、能力和兴趣定制个性化的学习计划，且可提供实时反馈和指导，帮助全科住培医师识别并解决学习中具体问题，提升学习成效[11]。其次，AI在培养医学生临床思维能力方面也带来创新和改进[12]。目前，国内医学教育主要侧重于疾病的教学，但株洲市中心医院更推崇一种以症状为起点，逐步深入的病例分析方法，以促进医学生临床思维的培养。为此，株洲市中心医院引入临床思维训练评估教学软件，旨在培养年轻医生临床推理能力。全科住培医师可在用户界面上完成问诊至诊断治疗等一系列临床诊疗环节，可真实再现从病史询问、体格检查到辅助检查、诊断、鉴别诊断及治疗的整个流程，通过模拟教学可使全科住培医师更深刻地理解诊疗流程和患者的病情[13-14]。本研究显示实验组通过软件的应用全科住培医师病史采集、技能操作及病例分析等临床接诊能力显著提高，且学习积极性和满意度也均提高。此外，AI在促进教师团队合作方面有显著效果。两位导师通过智能系统可更有效地协作，实时监控全科住培医师的学习过程并提供即时反馈，帮助导师了解其学习进度和掌握情况，并及时发现学习中可能存在的问题，从而及时调整教学方法和内容，确保教学更符合实际需求[15]。最后，这一教学模式还将促进医学教育与其他学科的交叉融合[16]。AI技术的发展离不开计算机科学、数据科学、心理学等多个学科的支撑，而医学教育也需要不断吸收这些学科的最新成果。双导师制和AI技术的结合可搭建一个跨学科的教学平台，让全科住培医师在学习医学知识的同时，也能接触到其他相关领域的最新进展，从而培养其综合素养和创新能力。

虽然AI在全科医学教育中具有广阔的应用前景，但也面临着一些挑战。例如，如何确保AI推荐的学习资源和学习路径的准确性和有效性？如何平衡AI与双导师在临床教学中的角色和职责？如何避免全科住培医师过度依赖AI削弱其自主学习能力和批判性思维的可能？本研究纳入的全科住培医师数量相对较少，由于研究时间跨度的限制，长期效果与持续影响尚未得到充分评估，运用AI辅助管理的经验也在不断摸索中，这些问题需要今后在临床教学实践中进一步探索和解决，以确保该教育模式能适应未来医疗领域的需求。

综上所述，AI的融入可显著优化双导师负责下的教学流程，提升教学效果和质量，从而提升全科医师的综合能力。未来，笔者将充分利用AI的技术优势，进一步探索扩大AI教学应用范围，并解决当前研究中发现的局限性，推动全科医学教育的改革和创新，为培养更多优秀的医学人才做出贡献。

利益冲突：所有作者均声明不存在利益冲突。

[参考文献]

[1] 张贵锋，"李力强，"曾艺文，"等."基于医教协同的基层中医全科医学人才培养模式改革探索[J]."中国卫生产业，"2017，"14（12）："10–13.

[2] 葛运运，"徐静，"周亚夫，"等."我国全科医学发展历史与现状分析[J]."中国全科医学，"2013，"16（25）："2201–2203.

[3] 方玉婷."中国全科医学教育、培训及其发展和挑战[J]."中国全科医学，"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，"MUÑOZ-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] 荆慧，"尚海涛，"李晓莉，"等."双导师制度在超声住院医师规范化培训中的探索[J]."中国医药导报，"2022，"19（4）："88–90.

[7] 李鸣莉."邵逸夫医院全科住培模式解析[J]."中国卫生人才，"2017，"1（2）："54–58.

[8] 李民，"封蕾，"谢锦，"等."住院医师规范化培训师资分层培训体系的构建与实践[J]."中国毕业后医学教育，"2024，"8（6）："401–403.

[9] 张振建，"兰祥星，"姚维，"等."360度评价在住院医师规范化培训学员沟通能力考评中的应用[J]."湖北医药学院学报，"2017，"36（1）："72–75，"77.

[10] 李海潮."第二代医学教育改革与胜任力导向医学教育的关系分析[J]."中华医学教育杂志，"2019，"39（11）："801–806.