大型语言模型（LLMs）在实习期间对学生体检（H&P）反馈中的应用：用于个性化学习的人工智能

《ACM Transactions on Computing for Healthcare》：Usefulness of Large Language Models (LLMs) for Student Feedback on H&P During Clerkship: Artificial Intelligence for Personalized Learning

本研究利用混合方法探讨大型语言模型（如GPT-4）在医学案例教学中的应用，发现LLMs通过个性化反馈和批判性思维培养显著提升医学生病史和体检技能，同时指出整合中的潜在利弊。

　　

摘要

大型语言模型（LLMs），尤其是GPT-4，在语言生成和理解方面表现出色，具有在临床实践、学习和医学研究中的潜在应用价值。在这项研究中，我们探讨了大型语言模型在提升医学教育中基于案例的学习方法中的应用。研究采用了混合方法，结合了定量指标和100名医学生的定性反馈，全面分析了基于LLM的反馈系统的技术性能和教育价值。研究结果表明，LLMs能够通过提供个性化见解、培养批判性思维以及提高分析、诊断和呈现临床病例的能力来增强医学生的病史采集和体格检查（H&P）技能。本研究揭示了将LLMs整合到医学教育中的潜在益处和局限性。我们的发现表明，LLMs对提升个性化学习体验、培养批判性思维以及增强基于案例的学习工具的有效性具有积极影响，同时也指出了其局限性。