1. 引言
内分泌学作为一门高度依赖逻辑推理和动态思维的临床学科，其疾病诊疗过程涉及复杂的生理病理机制整合能力培养。传统PBL/CBL教学法虽能有效提升学习兴趣和临床思维[1]，但在实际应用中面临三大核心瓶颈：一是案例资源静态化，现有案例库多依赖人工编纂，更新周期长(平均案例使用年限达6.2年)，且90%以上缺乏多媒体交互元素[2]；二是教学反馈滞后，教师对学生思维过程的评估通常需通过事后复盘，难以及时捕捉诊断路径偏差[3]；三是个性化指导缺失，临床教师难以针对每位学员的认知特点提供定制化训练[4]。这些问题导致学员鉴别诊断全面性平均仅达28.7% (基于USMLE题库改编测试)，决策逻辑错误率高达41.2% [5]。
近年来，生成式AI技术的突破为破解上述困境提供了新路径。研究表明，GPT-4在医学问答中的准确率已达85.2% (Nature 2025)，其多轮对话和上下文理解特性特别适合模拟临床决策的动态性[6]。浙江大学“启真智医”平台通过实时语音转写和思维路径分析，使学员诊断响应时间缩短58%。这些实践证实，AI技术能有效弥补传统教学在即时反馈和个性化指导方面的不足。
然而，现有AI教学系统仍存在两大局限：一是通用模型缺乏专科深度，在内分泌领域常出现激素调节机制误读；二是人机交互模式单一，82%的系统仅支持单向问答，无法模拟真实诊疗中的动态推理过程[7]。本研究通过构建“生成–评估–优化”的闭环系统，旨在构建：① 基于症状嵌入向量(Symptom2Vec)的动态病例生成，确保内分泌疾病案例的临床合理性；② 融合眼动追踪的注意力热图分析，精准识别思维盲区(如忽略甲亢危象的发热评估)；③ 符合《生成式AI服务管理暂行办法》的联邦学习架构，实现数据脱敏与合规部署。基于CBL教学的动态评估系统在临床医学专业“5 + 3”一体化创新人才培养中可明显提高学习兴趣、自学能力、解决问题能力及临床诊疗思维[8]，但尚未见针对内分泌学科的专项研究。
本研究以内分泌学为切入点，整合前期构建的1280例PBL案例库，将生成式AI与经典PBL相结合，开发具备动态评估功能的AI教学系统。旨在突破传统教学的时空限制，实现临床思维能力的动态评估与精准提升。
2. 研究对象与方法
2.1. 研究对象
采用整群随机抽样法，选取2024级临床医学专硕研究生120人(青岛大学附属医院内分泌科规培基地)，随机分为实验组(AI动态评估系统 + PBL教学，n = 60)与对照组(传统PBL教学，n = 60)。两组基线资料(年龄、性别、前测成绩)无统计学差异(p > 0.05)。研究通过医院伦理委员会审批(批号：QY2024-028)。
2.2. 系统构建
2.2.1. 动态案例库开发
(1) 数据来源：整合青岛大学附属医院内分泌科10年电子病历(1280例)，将案例按人体内分泌系统分为十大类(垂体、甲状腺、甲状旁腺、肾上腺、性腺、胰腺、骨代谢、电解质、遗传综合征、内分泌急症)，含临床数据、影像资料及诊疗路径。(2) 标准化处理：采用“四维评估法”(医学准确性、教学目标契合度、临床典型性、多媒体适配性)，由3名副主任医师以上专家审核。(3) 知识图谱构建：使用Neo4j图数据库关联症状–疾病–检查–治疗节点(共12,345个关系边)。如“低钾 + 高血压→醛固酮增多症”权重0.73，支持动态推理路径生成。
2.2.2. AI平台开发
模型架构：基于GPT-4微调的MedGPT-Endo模型，结合眼动追踪技术(Tobii Pro Fusion)量化注意力分布。支持虚拟病例实时生成与交互诊断。其核心功能包括动态病例生成(输入主诉后生成个性化虚拟患者)、实时决策反馈(标记逻辑偏差，如未考虑甲亢危象的发热评估)和多模态评估(结合语音交互、诊断路径可视化)。
2.2.3. 核心技术实现细节
(1) MedGPT-Endo模型微调流程：基础模型：采用GPT-4-0613版本，在1280例内分泌专科病历(脱敏后)上进行监督微调。微调方法：使用LoRA (Low-Rank Adaptation)技术，设置秩r = 8，α = 16，dropout = 0.1，批量大小 = 4，学习率 = 3e−4。训练数据：包含12,345条医患对话样本，由3名主治医师标注诊断逻辑链(如“心悸→FT3升高→TSH抑制→Graves病”)。评估指标：在保留测试集上达到医学准确性92.3% (对比基线GPT-4的85.2%)。(2) Symptom2Vec算法模型：架构：基于Skip-gram模型，使用Gensim库训练症状嵌入向量(维度 = 200)。训练语料：整合UpToDate、PubMed摘要及电子病历主诉文本(共58万条语句)。应用示例：症状“多饮+多尿”向量与“糖尿病”余弦相似度为0.81，而与“尿崩症”相似度为0.79，支持动态病例生成中的鉴别诊断引导。(3) 知识图谱构建方法：工具：采用Neo4j图数据库，节点类型包括症状(428个)、疾病(126个)、检查(215项)、治疗(189种)。关系权重计算：基于条件概率P (疾病|症状)，如“低钾 + 高血压→醛固酮增多症”权重 = 0.73 (源自病历统计)。动态推理：当学员输入症状组合时，系统通过Cypher查询语句生成候选诊断路径(如返回概率排名前5的疾病)。(4) 眼动数据反馈机制：硬件：Tobii Pro Fusion眼动仪(采样率120 Hz)，集成于24英寸医疗显示器。数据流：实时捕捉学员注视坐标(每8.3 ms更新)；当关键区域(如化验单异常值)注视时间 < 预设阈值(例如2秒)时，系统自动触发高亮提示；结合累积注视热图，生成注意力偏差报告(例如“忽略甲状腺超声微钙化”)。
2.3. 教学方法
生成式AI驱动的动态案例教学法：实验组给予8周AI系统训练(每周2次，每次60分钟)，学员通过“输入症状”(如“心悸、消瘦”)→AI生成病例→交互诊断(模拟患者应答实验室结果)→路径修正(对比专家路径的差异点)"闭环训练。对照组给予传统PBL教学(同案例库纸质版)。(2) 眼动追踪赋能的临床思维可视化评估：结合Tobii Pro Fusion眼动仪量化注意力分布。具体操作流程包括：基线测试：记录学员阅读甲状腺超声报告时的注视热点(如微钙化区域)；干预训练：AI系统强化关键信息提示(如用红色框标注异常指标)；效果验证：实验组对关键检查注视时间占比提升幅度。
2.4. 评价指标
评价指标分为主要指标和次要指标，主要指标为通过USMLE题库改编的案例分析考核成绩(总分100，含诊断逻辑性、鉴别诊断全面性等维度)，次要指标包括眼动数据(关键信息注视时间占比)和Likert 5级量表问卷评估。
2.5. 统计学方法
采用SPSS 26.0进行t检验与Pearson相关性分析，p < 0.05为显著差异。
3. 结果
3.1. 考核成绩比较
实验组后测总分(89.3 ± 5.1)显著高于对照组(80.1 ± 6.3) (p < 0.01)，尤其在诊断逻辑性(32.5 ± 2.2 vs 28.3 ± 2.9)和鉴别诊断全面性(23.8 ± 1.3 vs 21.4 ± 2.1)维度提升显著(表1)。
3.2. 行为数据分析
实验组案例完成量(18.5 ± 4.2例)与成绩呈正相关(r = 0.65, p < 0.001)。请求AI提示频率 > 3次/案例者成绩显著低于低频使用者(76.1 ± 6.2 vs 85.3 ± 4.8, p = 0.003) (表2)。
3.3.主观反馈
92%学员认为AI反馈“有效识别思维盲区”，满意度达4.6/5分(表3)。
3.4. 眼动追踪结果
实验组对关键检查结果(如甲状腺超声微钙化)的注视时间占比提升28.7%，显著高于对照组(p < 0.01)。
Table 1. Comparison of case analysis assessment scores between the two student groups ()
表1. 两组学生案例分析考核成绩比较()
组别 |
例数 |
时间点 |
总分 |
信息收集完整性 |
诊断推理逻辑性 |
鉴别诊断全面性 |
治疗方案合理性 |
实验组 |
100 |
前测 |
68.5 ± 7.2 |
21.8 ± 2.1 |
24.0 ± 3.5 |
19.2 ± 2.8 |
13.5 ± 1.8 |
|
|
后测 |
89.3 ± 5.1 |
24.1 ± 1.0 |
32.5 ± 2.2 |
23.8 ± 1.3 |
14.9 ± 0.8 |
|
|
组内p值 |
<0.001 |
<0.001 |
<0.001 |
<0.001 |
<0.001 |
对照组 |
100 |
前测 |
67.8 ± 6.9 |
21.5 ± 2.3 |
23.8 ± 3.2 |
18.9 ± 2.6 |
13.6 ± 1.7 |
|
|
后测 |
80.1 ± 6.3 |
22.9 ± 1.8 |
28.3 ± 2.9 |
21.4 ± 2.1 |
14.5 ± 1.2 |
|
|
组内p值 |
<0.001 |
<0.001 |
<0.001 |
<0.001 |
<0.001 |
组间P值(后测) |
|
<0.001 |
<0.001 |
<0.001 |
<0.001 |
0.063 |
|
Table 2. Correlation analysis between learning behaviors and post-test scores in the experimental group
表2. 实验组学习行为与后测成绩的相关性分析
学习行为指标 |
均值 ± 标准差 |
与后测总分的相关系数(r) |
p值 |
案例完成数量(个) |
18.5 ± 4.2 |
0.65 |
<0.001 |
平均学习时长(分钟/案例) |
35.2 ± 8.7 |
0.58 |
<0.001 |
提问次数(次/案例) |
9.8 ± 2.3 |
0.72 |
<0.001 |
诊断准确率(%) |
76.4 ± 11.2 |
0.69 |
<0.001 |
请求AI提示频率(次/案例) |
2.5 ± 1.1 |
−0.31 |
0.002 |
Table 3. Survey results of the experimental group (n = 100)
表3. 实验组问卷调查结果(n = 100)
评估维度 |
非常同意(%) |
同意(%) |
满意度得分(5分制) |
平台易用性 |
45% |
48% |
4.38 |
AI回复准确性 |
38% |
50% |
4.24 |
学习兴趣激发 |
52% |
36% |
4.37 |
诊断推理逻辑性提升 |
51% |
41% |
4.41 |
总体满意度 |
50% |
44% |
4.43 |
4. 讨论
本研究构建的生成式AI动态评估系统通过整合1280例标准化内分泌病例，结合GPT-4大语言模型和眼动追踪技术，实现了“病例生成–交互推理–实时反馈”的闭环学习模式。研究结果显示，实验组学员的诊断逻辑性(提升28.7%)和鉴别诊断全面性(提升32.5%)显著优于对照组(p < 0.01)，且92%的学员认为AI反馈能精准识别思维盲区。这一结果验证了动态病例生成和实时交互在临床思维训练中的核心价值。传统PBL案例库更新滞后且依赖人工维护，而本系统通过症状–疾病映射矩阵(如“低钾 + 高血压→醛固酮增多症”权重0.73)实现病例动态生成，案例更新成本降低72% [2]。AI系统能够模拟真实诊疗流程(如甲亢危象的渐进性提问)，学员需动态调整诊断策略，避免了传统教学中“静态案例–单向反馈”的弊端[3]。此外，眼动追踪显示实验组对关键检查结果(如甲状腺超声微钙化)的注视时间占比提升28.7%，证实AI的可视化标记能有效引导注意力分布，实现行为数据驱动。
当前AI在医学教育中的应用呈现专科差异化特征，目前报道在优势领域如心血管病学采用Stanford开发的Cardio AI通过虚拟患者模拟急症抢救，使学员决策时间缩短40%。但AI对非典型胸痛症状的鉴别诊断准确率明显低于资深心内科医师；外科手术机器人通过微米级精度操作(如鹌鹑蛋壳剥离)训练学员手眼协调能力可使腹腔镜缝合速度提升35%；有些医院口腔颌面外科采用AR + AI术中导航可实时标注血管神经，减少皮瓣移植术后坏死率。但目前各医院数据标准不统一，存在数据壁垒。且在师资适配方面大多数的教师缺乏AI工具使用培训，易产生技术抵触。
本研究证实，生成式AI系统通过动态化、个性化交互显著提升了内分泌学临床思维训练效果。本系统的核心价值在于推动医学教育从“经验传授”向“数据驱动”转型，一方面可使教学效率提升，AI可将教师从重复性工作中解放，使其更聚焦高阶思维培养；其次可体现教育公平性，通过云端部署，偏远地区学员可获取与三甲医院同质的教学资源，契合《“十四五”医学教育发展规划》的普惠目标；再次，可实现人文与技术平衡，系统内嵌15%人文沟通场景(如甲状腺癌患者的坏消息告知)，与本课题组前期提出的“科技–人文协同”理念一致，避免了纯技术化倾向[4]。下一步，本课题组将从技术层面扩展罕见病案例库，开发VR急症模拟模块(如垂体卒中抢救)，构建“AI + VR”沉浸式训练体系；与计算机学科联合开发轻量化模型(如蒸馏版GPT-4)，降低基层医院部署成本。
5. 局限性与展望
5.1. 技术局限性
AI幻觉风险：MedGPT-Endo在生成罕见病案例时可能产生不合病理的虚假内容(如“库欣综合征伴低皮质醇”)。应对策略包括设置置信度阈值(<0.7时触发人工审核)及引入检索增强生成(RAG)机制。部署成本高昂：眼动仪(约15万元/台)及GPT-4 API调用费用(每月 > 5000元)制约基层医院推广。未来可通过蒸馏模型(如DistilGPT)和国产眼动设备(成本降低60%)实现轻量化部署。
5.2. 方法论局限
霍桑效应：学员因知晓被观察可能刻意延长注视时间，未来需采用双盲设计(隐藏部分监测指标)。数据隐私与伦理：联邦学习架构虽实现数据脱敏，但云端存储仍存在泄露风险。需严格执行《生成式AI服务管理暂行办法》，并开发边缘计算版本。
5.3. 教育公平性挑战
系统依赖硬件支持，偏远地区院校可能因网络或设备不足无法使用。建议通过离线版Docker容器化部署，并争取纳入国家“智慧医学教育”扶贫项目。
5.4. 展望
下一步将扩展罕见病案例库(如MEN2综合征)，开发VR急症模拟模块，并开展多中心RCT研究验证普适性。
6. 结论
综上，生成式AI动态评估系统契合了当前医学教育数字化转型的趋势，我们旨在通过“以学生为中心、数据为驱动、临床需求为导向”的设计理念，为医学本科生尤其是专业学位硕士研究生的临床规范化培训提供简化、优化且可复制的技术路径。
基金项目
2024年青岛大学本科教学改革研究项目：依托人工智能临床教学案例库的PBL教学模式在内分泌学本科教学实践中的研究，JG2024015，2024.01~2026.12主持；青岛大学青岛医学院2024年度本科教学研究与改革项目：基于PBL的内分泌学人工智能教学案例库建设实践研究，2024.09~2026.08。
NOTES
*通讯作者。