1. 背景
教育部部长怀进鹏在2024年世界数字教育大会上表示，将实施人工智能赋能行动，促进智能技术与教育教学、科学研究、社会的深度融合，为学习型社会、智能教育和数字技术发展提供有效的行动支撑，让技术进步造福师生。
AI辅助教学作为一种新兴的教育技术手段，正在逐步改变传统教学模式，为高等教育教学带来诸多的机遇和挑战。目前，AI辅助教学的研究现状主要集中在智能助教系统的开发与应用上，这些系统能够提供个性化学习支持、智能评估和反馈，辅助学生进行深入思考，激发学习灵感[1]-[3]。例如，清华大学已经开展了AI助教系统的试点，将AI技术从“工具”转变为“伙伴”，创新教学模式。AI辅助教学的研究价值体现在多个方面。首先，它能够提高教学效率，通过智能助教快速生成评价标准和具体评价，为学生提供及时有效的反馈，从而提升学生的写作水平和课程参与度。其次可以作为“助教”或者“伴读”进行辅助学习，AI助教能够基于大量的教学材料实现自动知识点抽取，辅助学生完成大作业，提供项目设计的思路提示和流程设计，加深对相关知识的理解和研究思路的启发。此外，AI辅助教学还能够促进教育公平，通过技术手段为不同背景的学生提供平等的学习机会[4]。同时，AI技术在教育领域的应用也带来了新的伦理和法律问题，如AI生成内容的版权问题、AI助教输出结果的准确性等，这些问题的研究对于指导AI辅助教学的健康发展具有重要意义[5] [6]。
综上：AI辅助教学的研究具有重要的现实意义和深远的理论价值，不仅能够推动教育教学模式的创新，还能够为解决教育领域的实际问题提供新的思路和方法。随着技术的不断进步和教育需求的日益增长，AI辅助教学的研究前景广阔，值得教育工作者深入探讨和实践。
2. 研究对象和方法
2.1. 研究对象
选择我院2022级五年制临床医学院和全科医学院的78名实习生随机分配到两个不同的组别：观察组和对照组。入选标准：临床医学专业本科阶段在读学生，具有完整的医学教育背景和实习资格；愿意参与教学改革实践，并能按照教学计划完成实习任务；无严重身体疾病或心理疾病，能够胜任肾内科慢性肾脏病实习的体力与心理要求；具有一定的自主学习能力和团队合作精神。排除标准：在实习期间因故无法全程参与教学改革实践的学生；对肾内科实习缺乏兴趣，或不愿意参与教学改革实践的学生；存在严重身体疾病或心理疾病；自主学习能力较差。观察组39例，其中男6例，女33例，平均年龄(2.69 ± 1.080)岁；对照组39例，其中男生15例，女生24例，平均年龄(21.23 ± 1.327)岁。两组学生的性别、年龄、既往学习成绩差异无统计学意义。具有可比性。
2.2. 研究方法
(1) 对照组：采用传统教学法，当实习医生进入肾内科CKD实习阶段时，首先会接受统一的肾内科理论知识学习和技能培训，如PPT讲授，课堂提问，课后作业及复习，和章节测试。(2) 观察组：基于医学模拟平台，采用AI辅助的教学模式，在传统教学模式的基础上引入AI虚拟仿真教学，通过课前，课程中，和课后“三段式的教学模式”进行CKD的全面学习。课前学生可借助仿真教学平台对课程进行初步的了解和预习，平台也会为学生推荐个性化的学习路径，提高自主学习效率，其次，可以通过“助教”或者“伴读”进行辅助学习，AI助教能够基于大量的教学材料实现自动知识点抽取，对具体的问题提供的思路，加深对相关知识的理解和研究思路的启发。课程中也可与教师共同使用相应的AI仿真系统，进行更为真实的教学体验，如肾脏模型的搭建，模拟临床诊断和治疗等。课后，学生可对薄弱的部分借助开放的AI平台进行知识点的复习和巩固。两组学生实习在时长、大纲、师资上均保持一致(图1)。
Figure 1. AI-based teaching process for Chronic Kidney Disease (CKD)
图1. 基于AI的慢性肾脏病(CKD)教学流程
2.3. 教学效果评价
在CKD的学习完成后，对照组与观察组的学生均需接受统一的评估与测试。包括：理论知识、技能操作、病例分析3个项目，其中理论知识总分30，技能操作总分50，病例分析总分20，三项合计100分，得分越高表示学生对教学内容掌握越好。本次接受教学的同学还进行满意度及自评的调查问卷，问卷包含基本信息、AI辅助教学使用体验(仅实验组)、学习效果自评(理论和实践)、教学方法的比较(实验组与对照组)、长期影响和实际应用以及开放反馈部分。每个评估指标均被赋予了1个评分范围，即从0分到5分，以量化评价学生在该指标上的满意度水平和学习掌握效果。
2.4. 统计学方法
运用SPSS27统计软件进行数据分析。理论知识、技能操作、病例分析等资料以均数 ± 标准差表示，通过t检验对比差异；计数资料则以百分数表示，利用χ2检验分析其差异。P < 0.05为差异有统计学意义。
3. 结果
3.1. 临床实习考核成绩比较
对照组学生理论知识、技能操作、病例分析均低于观察组学生，差异有统计学意义(P < 0.01，表1)。
Table 1. Comparison of assessment scores for two groups of nephrology interns (points,
)
表1. 两组肾内科实习学生考核成绩分数比较(分，
)
组别 |
理论知识 |
技能操作 |
病例分析 |
AI组 |
27.476 ± 0.8557 |
39.159 ± 1.4002 |
17.706 ± 0.9822 |
传统教学组 |
25.703 ± 1.4627 |
36.029 ± 1.8088 |
16.235 ± 1.4688 |
t值 |
5.583 |
7.977 |
4.853 |
P值 |
<0.01 |
<0.01 |
<0.01 |
3.2. AI组满意度分析
我们通过问卷调查的方式，收集AI组对当前教学模式满意度与知识掌握情况进行了采集。赋值为1~5分，表示非常不认同到十分认同。结果显示AI教学系统的操作界面比较友好，易于使用；AI系统提供的个性化学习内容符合“我”的学习需求；系统能及时反馈学习进度和薄弱环节；AI教学模块中的临床案例(如症状、化验检查分析)具有实用性；AI系统的互动性评测(例如问答、模拟诊断流程)；与传统教学相比，我的知识记忆持久性更高(表2)。也采集AI组学生知识理解深度，临床决策能力培养、学习效率与以往的传统教学的比对情况(表3)。
于此同时，我们采集了学生在AI辅助教学过程中一最具价值的学习经历，现场模拟，辅助诊断，知识点的梳理与精简是当前同学们学习体验中关键词(图2)；AI辅助教学在慢性肾脏病教育中的最大优势，优势主要体现在① 促进学生知识的深度理解与系统化构建，② 加深了知识的理解和长期记忆，③ 显著提升学习效率与灵活性，④ 有助于临床思维能力的发展，⑤ 精准定位短板，实现个性化提升，⑥ 支持实践技能的提升与模拟训练。以上两点可以方便我们后续设计出更具有针对性，更有优势的AI模型。其次我们收集对AI教学系统的改进建议：主要有软件操作的便捷程度有待提升，AI模拟的临床场景更为书本化，不利于学习临床中复杂的病情，知识理解深度不足等。
Table 2. Feedback analysis of AI systems
表2. AI系统的反馈分析
项目 |
统计分值 |
AI教学系统的操作界面是否比较友好，易于使用 |
4.41 ± 0.751 |
AI系统提供的个性化学习内容是否符合“我”的学习需求 |
4.33 ± 0.701 |
系统能否及时反馈学习进度和薄弱环节 |
4.49 ± 0.601 |
AI教学模块中的临床案例(如症状、化验检查分析)是否具有实用性 |
4.38 ± 0.711 |
AI系统是否进行互动性评测(例如问答、模拟诊断流程) |
4.08 ± 0.870 |
与传统教学相比，我的知识记忆持久性是否更高 |
3.97 ± 1.112 |
Table 3. Intergroup comparisons of knowledge comprehension depth, clinical decision-making ability, and learning efficiency
表3. 知识理解深度，临床决策能力，学习效率的组间对比
题目/选项 |
AI教学优于传统教学 |
两者相当 |
传统教学优于AI教学 |
知识理解深度 |
25 (64.1%) |
11 (28.2%) |
4 (10.3%) |
临床决策能力培养 |
22 (56.4%) |
15 (38.5%) |
3 (7.7%) |
学习效率 |
22 (56.4%) |
12 (30.8%) |
5 (12.8%) |
Figure 2. Keywords for the most valuable learning experiences in ai-assisted teaching
图2. AI辅助教学最值得的学习经历关键词
Table 4. Intergroup comparison of CKD management, diagnosis, and treatment practices, alongside teaching modalities and future clinical support
表4. 组间比较CKD的掌握、诊断、诊疗的情况及教学模式与未来临床帮助
组别 |
通过教学，我对CKD的早期诊断要点掌握清晰程度 |
在模拟临床场景中，我的诊断准确性有所提升 |
我能熟练应用CKD的诊疗流程(如化验指标解读、治疗方案制定) |
您对当前教学模式的总体满意度 |
您认为当前教学模式对未来的临床实践帮助程度 |
AI组 |
4.41 ± 0.102 |
4.15 ± 0.113 |
4.33 ± 0.112 |
4.41 ± 0.095 |
4.15 ± 0.140 |
传统教学组 |
3.90 ± 0.131 |
3.72 ± 0.127 |
3.97 ± 0.135 |
3.77 ± 0.130 |
3.59 ± 0.179 |
t值 |
3.082 |
2.56 |
2.406 |
3.984 |
2.483 |
P值 |
0.003 |
0.012 |
0.044 |
<0.001 |
0.015 |
3.3. 教学效果满意度比较
在本次教学满意度调查中，共发放教学满意度调查表78份，实际回收有效问卷78份，有效问卷 回收率为100%.调查结果显示，两组学生在健康宣教和思政要素的融入增强了我的学习兴趣(P = 0.075)无统计学差异；CKD的早期诊断要点掌握情况、在模拟临床场景中，我的诊断准确性有所提升、是否能熟练应用CKD的诊疗流程(如化验指标解读、治疗方案制定)当前教学模式的总体满意度、当前教学模式对未来的临床实践帮助程度(表4)。
4. 讨论
当前时代飞速发展，医学教育也应顺应时代发展的潮流，AI辅助教学是医学生跨越理论到实践鸿沟、全面提升临床胜任力、成长为合格医生的重要加速器和赋能工具。合理使用AI辅助教学优势如下：
① 促进学生知识的深度理解与系统化构建，AI可以通过智能算法，对海量、复杂的医学知识进行高效组织、梳理和关联帮助学生超越零散记忆。
② 加深了知识的理解和长期记忆：通过智能化的内容呈现和交互(如个性化学习路径、智能问答、概念关系图生成)，AI能帮助学生理清知识点之间的逻辑联系，构建系统化、网络化的知识框架，这直接加深了知识的理解和长期记忆。
③ 显著提升学习效率与灵活性：AI驱动的学习平台提供随时随地的学习入口，打破了时空限制。通过分析学习行为和识别学习难点，AI能提供个性化的学习资源和反馈，避免无效学习时间，精准匹配学生需求。
④ 有助于临床思维能力的发展：AI可以基于真实或模拟的病例数据，构建丰富的临床场景(虚拟病人、案例库)，供学生在安全环境中进行练习和决策。提供智能问答和推理支持：学生在处理案例时遇到疑问，能即时提供相关知识点、鉴别诊断思路、循证依据的查询和支持(类似于提供结构化知识的支撑作用)，辅助学生进行分析推理。AI可以通过对学生案例处理过程的分析，给出推理路径的反馈和建议，帮助其反思和优化临床决策流程。
⑤ 精准定位短板，实现个性化提升：通过持续收集和分析学习行为数据(如答题记录、操作步骤、查询历史)，AI能精准定位每位学生个体的知识盲区、理解误区和技能短板。基于这些分析，AI能提供高度个性化的强化练习、补救材料和学习建议，让学生能够更高效地集中精力弥补不足。
⑥ 支持实践技能的提升与模拟训练：AI可驱动高仿真模拟人和虚拟手术/操作训练系统，提供接近真实的操作反馈(如力度感应、步骤评分、并发症模拟)，显著提升操作练习的有效性和安全性。通过分析学生的操作数据，提供客观、量化的技能评估和针对性改进建议。
本文创新性：
① 首次将人工智能全面深入地应用于早期肾脏病诊治教学中，突破传统教学模式的局限。
② 利用人工智能实时监测和反馈功能，实现个性化教学，根据学生的具体情况动态调整教学内容和进度。
③ 结合大数据分析，挖掘学生在学习早期肾脏病诊治中的普遍问题和个体差异，为精准教学提供依据。
④ 通过长期跟踪观察，研究人工智能辅助教学对学生后续临床实践的影响，更全面地评估教学效果的持续性和深远性。
不足之处：
① AI辅助教学可能会让学生产生依赖，独立思考的自主学习能力有所下降。
② 当前的AI系统还相对不完善，有时可能存在误报乱报的现象，如捏造数据，提供虚假的参考文献等，这需要学生增强辨别信息能力。
③ 当前实验为单中心，小样本量实验，追踪时间较短，未来期待多中心大样本量的实验来验证本实验结论。
基金项目
西安医学院重点项目“基于AI的慢性肾脏病临床教学策略与研究”(编号：JG2024-02)。
NOTES
*通讯作者。