通用人工智能技術在提升醫學生腦血管病臨床決策能力中的應用探討

[摘要] 腦血管病是一類高致殘率和高死亡率的神經系統疾病，嚴重威脅患者健康。臨床醫生的臨床決策能力對患者預后至關重要。新興的通用人工智能技術為教育，特別是醫學教育提供革新契機。本文探討如何在醫學教育中利用通用人工智能技術提升醫學生的腦血管病臨床決策能力，分析傳統教學方法的優勢與不足，并提出結合通用人工智能技術的綜合策略提升教學效果。

[關鍵詞] 通用人工智能技術；腦血管?。慌R床決策能力；醫學生

[中圖分類號] R741；G642" """"[文獻標識碼] A """""[DOI] 10.3969/j.issn.1673-9701.2025.21.019

1" 引言

腦血管病是指腦血管病變引發的疾病，包括但不限于缺血性腦卒中、出血性腦卒中、短暫性腦缺血發作、腦動脈狹窄和腦動脈瘤等病癥。腦血管病已成為全球第三大死因。中國腦血管病發病率隨著社會老齡化的加劇不斷攀升，成為現代社會無法忽視的健康挑戰之一^[1]。有效的腦血管病防治需要醫務人員具有豐富的腦血管基礎知識及高水平的臨床決策能力。臨床決策能力不僅表現為知識的掌握，更是在實際案例中結合患者病情、體征及輔助檢查等信息，迅速做出診斷并制定治療方案的綜合能力。

在腦血管病的診療中，時間尤為關鍵。如在急性缺血性腦卒中的治療中，藥物溶栓和機械取栓的“黃金時間”迫切要求臨床醫生在短時間內完成臨床決策^[2-3]。因此，醫學教育中的一項緊迫任務是探索并實施有效的教學方法，提升醫學生的臨床決策能力，使其在未來的醫療實踐中能夠應對復雜多變的情形。

2" 臨床決策能力的內涵與重要性

在腦血管病的臨床決策中，醫生面對的信息量大且復雜，包括患者的病史、體征、影像學檢查結果和實驗室檢查結果等。錯誤的臨床決策不僅可導致患者病情惡化，甚至給患者帶來生命危險。臨床決策能力對腦血管病的治療至關重要。首先，腦血管病的臨床決策具有即時性，要求醫學生在短時間內做出精準決策。其次，腦血管病的臨床決策具有異質性，患者的年齡、基礎疾病、既往病史等多因素影響個體化治療方案的選擇。最后，腦血管病的臨床決策具有復雜性。腦血管病的治療方案需要綜合考慮急性期處理、二級預防及長期康復等多方面內容。腦血管病的臨床決策不僅考驗醫學生的知識儲備，還對其批判性思維、經驗積累和快速反應能力提出更高要求。綜上，處置腦血管病患者時，知識儲備、批判性思維、經驗、快速反應能力都顯得尤為重要。這要求醫學教育在培養醫學生的臨床決策能力時，將理論與實踐充分結合，提高醫學生的反應能力和判斷力。

3 "通用人工智能技術增強臨床決策能力

在通用人工智能（artificial general intelligence，AGI）技術時代，各行各業都在探索應用AGI提高學習和工作效率。AGI技術在醫學教育，特別是在腦血管病臨床決策領域具有巨大潛力^[4-5]。醫學知識體系龐雜、信息量大，且醫學生積累臨床經驗所需時間較長，其培養費時費力，這是高等教育的難點之一。AGI技術可通過模擬復雜病例、提供個體化學習路徑和智能反饋顯著提高醫學生的學習體驗和臨床決策能力^[6]。利用AGI技術的深度學習和自然語言處理能力，教育工具可為每位學生提供具體的、基于真實場景的模擬訓練。這一過程不僅使醫學生可在無臨床風險的環境中反復練習專業技能，還可通過分析學生的決策過程與行業標準的差異，有針對性地提供反饋和指導^[7]。此外AGI技術還可整合并分析海量醫療數據，輔助臨床決策，使醫學生在學習的過程中能接觸到最新的研究成果和臨床指南^[8]。這種基于AGI技術的創新教學方法有助于培養具有創新思維和快速反應能力的醫學人才，使其在面對復雜且快速變化的臨床環境中，制定更準確且有效的治療方案。

4" 基于AGI技術培養醫學生臨床決策能力的教學方法探索

為提高醫學生腦血管病領域的臨床決策能力，醫學教育應采取創新性和多元化的教學方法。將AGI技術引入腦血管病臨床決策能力的培養具有十分重要的實用價值，能解決現有教學的缺點和難點。AGI技術在數據處理、模擬場景、實時反饋等方面的優勢可為醫學生提供更智能化、個體化的學習體驗。

4.1" 基于AGI技術的案例導向教學法

案例導向教學法是通過真實病例的詳細分析引導醫學生深入理解相關知識。通過討論和實踐，醫學生可在理論知識學習的基礎上強化臨床思維和應急反應能力，逐步培養臨床決策能力。但案例導向教學法對教師的引導能力要求較高，且病例準備較煩瑣。AGI技術可有效解決上述問題。

AGI技術可根據醫學生的知識水平和學習進度，協助從PubMed、Web of Science、萬方數據知識服務平臺、維普網、中國知網等數據庫自動選取典型病例，展示患者病史、癥狀、體征及輔助檢查數據，減少患者資料的準備時間。醫學生分組討論這些案例，提出病因分析、診斷及治療方案，并在教師指導下進行全面分析和討論。同時使用AGI技術多角度提出治療方案，鼓勵醫學生思考如何選擇最優治療策略。通過AGI技術多角度提問和解答，醫學生不僅可掌握理論知識，也可提升臨床思維和決策能力，減少對教師引導和分析能力的依賴。

4.2" 基于AGI技術的模擬情境教學法

模擬情境教學法通過虛擬或仿真技術使醫學生接觸近似真實的醫療情境，鍛煉其反應能力和決策水平^[9]。醫學生需在模擬場景中詢問患者病史、查體結果，結合影像做出實時決策并給予實時反饋。模擬情境教學法可幫助醫學生在真實環境下鍛煉應急決策能力，同時通過模擬現實減少醫學生實際操作中可能出現的問題，減少臨床實踐中的潛在風險^[10-11]。但傳統的模擬情境教學法所需設備投入較大，且在模擬過程中難以完全復制復雜的臨床環境，可能影響教學的真實性。

AGI技術結合虛擬現實和增強現實技術可創建沉浸式學習體驗。這種仿真環境使醫學生不僅能看到情境，還可與虛擬對象互動，增強感官體驗。如AGI技術可模擬急診室場景，醫學生在模擬場景中詢問患者病史并查體，結合醫學影像結果做出診斷并制定治療方案。模擬結束后，AGI技術可給予醫學生及時反饋，指出醫學生的決策是否科學、合理，并提供改進建議。此外AGI技術還可根據醫學生的臨床決策水平及導致臨床決策失誤的思維缺陷，優化模擬情境或調整情境難度，使其更符合醫學生的學習需求。AGI技術的使用可減少傳統模擬情境教學法對大型設備和參與人員的依賴。

4.3" 基于AGI技術的問題導向教學法

問題導向教學法以實際病例為基礎，強調通過提出復雜臨床問題、通過團隊合作解決問題，激發醫學生的學習興趣與主動性，幫助醫學生形成批判性思維和獨立解決臨床問題的能力。針對腦血管病的臨床決策問題，問題導向教學法可培養醫學生的自主學習能力、團隊合作能力和臨床判斷能力^[12-13]。問題導向教學法的缺點是醫學生在初期可能遇到知識儲備不足的問題，這需要醫學生具備較強的自學能力和時間管理能力。

AGI技術可根據醫學生的知識水平和學習進度生成個體化問題，激發醫學生的興趣和思考。AGI技術可根據醫學生的學習需求、背景知識、問題的復雜性，自動推薦相關的文獻、視頻、教程等學習材料。醫學生也可在AGI技術的協助下自主查閱相關文獻，學習治療指南等相關知識，通過小組討論進行知識的整合與應用，逐步形成決策能力。此外AGI技術還可識別醫學生在思維邏輯上的漏洞，提示可能忽略的因素，提供改進建議。

4.4" 基于AGI技術的跨學科協作學習法

腦血管病的臨床決策不僅需要神經科的專業知識，還需要多學科支持。跨學科協作學習法通常需基于跨學科小組，圍繞病例信息進行多學科討論，各自提供專業見解，形成綜合決策?？鐚W科協作學習法可幫助醫學生理解和融匯不同學科的知識，增強團隊協作能力，提升醫學生對綜合知識的理解和運用能力，促進全方位的臨床決策能力培養^[14]。但跨學科協作學習法對各學科教師的出勤要求較高，學校需具備高水平的組織協調能力^[15]。

將神經病學、內科學、神經外科學、影像學、檢驗學、藥學、康復醫學和預防醫學等各專業的醫學生組成小組，圍繞腦血管病患者展開討論，并形成集體決策。AGI技術結合自然語言處理技術可實現多國家、多地域遠程多學科討論，并跟蹤每個參與者的貢獻，保證公平協作并優化團隊效率，有助于醫學生理解不同文化背景和教育體系下的臨床決策視角。當某些專業的醫學生缺席討論時，可應用AGI技術代替其進行分析討論，有助于確保跨學科協作的順利進行，減少人力和時間成本。

5 "小結與展望

腦血管病的臨床決策能力培養是醫學教育中的重要任務之一。傳統的案例導向教學法、模擬情境教學法、問題導向教學法及跨學科協作學習法等多種教學法可有效提升醫學生在實際病例和臨床場景中面對復雜情況時的臨床思維和決策能力。然而，這些教學法仍面臨諸多挑戰，如教學資源不足、教學時間的限制、部分醫學生參與度不高及教師指導能力不足等^[16]。因此，可通過引入AGI技術彌補上述不足，進一步提高教學效果。

近年來，AGI技術在醫學影像分析、疾病早期診斷、個體化治療方案和臨床決策支持等方面取得長足發展。隨著電子病歷、影像學數據、基因組學數據、病理數據等多源數據的融合，AGI技術可提供更全面和精準的腦血管病診療決策。將AGI技術引入腦血管病臨床決策能力的教學培養，建立基于AGI技術的案例導向教學法、模擬情境教學法、問題導向教學法和跨學科協作學習法有助于整合在線病例資源、輔助文獻檢索、實時更新知識、節約教學時間和節省教學資源。由于醫學生的學習能力、思維方式等存在個體化差異，可適用不同的教學方法，單一教學方法不能很好地滿足“因材施教”。未來研究可進一步探索基于AGI技術的不同教學策略的組合應用，以期達到更好的教學效果。

隨著AGI技術的不斷發展和普及，醫學教育將面臨更多的可能性和創新空間。雖然AGI技術在輔助臨床決策中發揮很大作用，但也需要關注AGI技術可能帶來的社會倫理問題。醫學生需要了解AGI技術的局限性及其可能帶來的道德困境。應用AGI技術獲得結論的可靠性受數據庫的影響，可能由于數據開放性、數據真實性等問題出現結論偏倚。因此需要對數據庫中的干擾數據進行實時判別和剔除，以保證數據庫的可信性，并在臨床決策中根據實際情況權衡AGI技術的臨床決策建議。此外，AGI技術的應用可能導致醫學生產生惰性思維，主動獲取知識能力下降，形成對AGI技術的路徑依賴，需要在實施過程中重點關注。

利益沖突：所有作者均聲明不存在利益沖突。

[參考文獻]

[1]"" MA Q， LI R， WANG L， et al. Temporal trend and attributable risk factors of stroke burden in China， 1990- 2019： An analysis for the global burden of disease study 2019[J]. Lancet Public Health， 2021， 6（12）： e897–e906.

[2]"" 李宏建. 急性缺血性卒中患者的發病至溶栓時間與長期轉歸[J]. 國際腦血管病雜志， 2021， 29（6）： 431.

[3]"" 李宏建. 治療時間對早期與晚期治療時間窗血管內血栓切除術轉歸的影響[J]. 國際腦血管病雜志， 2023， 31（5）： 400.

[4]"" 蔣小英， 寧啟蘭， 閆小飛， 等. 生成式人工智能在基礎醫學教學中的應用前景[J]. 基礎醫學教育， 2024， 26（6）： 508–511.

[5]"" 肖志鳳， 阮廣聰， 魏艷玲. 人工智能在消化系統疾病教學中的應用研究[J]. 現代醫藥衛生， 2024， 40（15）： 2678–2681.

[6]"" 梁志勛， 易云飛， 范源源， 等. “案例教學+項目驅動”模式在人工智能課程教學中的應用探索[J]. 電腦知識與技術， 2024， 20（12）： 155–157， 161.

[7]"" 劉一人， 谷涌泉， 郭連瑞. 人工智能輔助血管外科教學的應用與挑戰[J]. 醫學研究雜志， 2024， 53（7）： 189–191， 195.

[8]"" 丁玲玲， 李子孝， 王擁軍. 人工智能臨床決策支持系統在腦血管病中的應用[J]. 中國卒中雜志， 2020， 15（3）： 290–295.

[9]"" ERDOGAN A， DONG Y， CHEN X， et al. Development and validation of clinical performance assessment in simulated medical emergencies： An observational study[J]. BMC Emerg Med， 2016， 16： 4.

[10] GU R P， ZHAO F， BAI J， et al. Subjective learning gain from a simulation-based health management course： A mixed methods study[J]. Front Public Health， 2024， 12： 1400135.

[11] BRANDITZ L D， KENDLE A P， LEUNG C G， et al. Bridging the procedures skill gap from medical school to residency： A simulation-based mastery learning curriculum[J]. Med Educ Online， 2024， 29（1）： 2412399.

[12] 楊鐘會， 唐景峰. PBL聯合案例教學法在臨床醫學專業實習教學中的啟示——以腦血管病科為例[J]. 科教導刊， 2023（8）： 100–102.

[13] 胡偉， 李紅旗， 潘婷， 等. 翻轉課堂聯合病例導入式以問題為基礎的教學法在神經內科教學中的應用效果[J]. 安徽醫學， 2020， 41（6）： 727–729.

[14] DUCKWITZ V， VOGT L， HAUTZINGER C， et al. Students’ acceptance of case-based blended learning in mandatory interdisciplinary lectures for clinical medicine and veterinary public health[J]. Vet Rec Open， 2021， 8（1）： e14.

[15] COOPER H， CARLISLE C， GIBBS T， et al. Developing an evidence base for interdisciplinary learning： A systematic review[J]. J Adv Nurs， 2001， 35（2）： 228–237.

[16] 劉來艷. 臨床教師開展課堂教學改革的挑戰與路向探索[J]. 科技風， 2023（25）： 130–132.2025–03–03）

（修回日期：2025–07–08）

基金項目：2023年度北京市中醫藥科技發展資金項目（JJ-2023-93）；北京市醫院管理中心2024年度“培育計劃”中醫項目（PZ2024009）

通信作者：宋玨嫻，電子信箱：songjuexian2024@126.com