编辑推荐：
为解决医学教育选择题答案解析编写耗时问题，研究人员评估 GPT-4 生成解析的能力，发现其可行且受认可。
在医学教育的 “战场” 上，医学生们为了通过美国医学执照考试（USMLE），常常埋头于大量的练习题中。因为大家都知道，完成和复习的练习题数量与考试成绩息息相关。然而，能为学生提供详尽反馈的答案解析，却如同 “稀缺资源” 一般。对于忙碌的医学教育工作者来说，编写这些解析既耗时又费力，许多练习题因此没有对应的答案解释，这无疑阻碍了学生从练习中获得更有效的学习。
在这样的困境下，人工智能（AI）技术的发展为解决这一问题带来了新的希望。大语言模型（LLMs）作为 AI 领域的 “新星”，能够处理和生成类似人类语言的文本。其中，GPT-4 作为当时 ChatGPT 的最新版本，它能否成为编写答案解析的 “得力助手” 呢？带着这样的疑问，来自美国阿尔伯特?爱因斯坦医学院（Albert Einstein College of Medicine）的研究人员展开了一项意义重大的研究。这项研究成果发表在《BMC Medical Education》上，为医学教育与人工智能的结合打开了新的篇章。
研究人员采用了单中心干预前后调查研究的方法。首先，他们邀请了美国一所医学院的 9 名器官系统预科课程主任（CD）参与研究，其中 8 名 CD 提供了同意并完成了调查。研究人员从每个课程的题库中随机选取 10 道文本形式的临床 vignette 式选择题（MCQ），这些题目都是学生在 2021 - 2022 学年使用过的。他们将这些题目输入到 GPT-4 中，并给出标准化的指令，让 GPT-4 选择最佳答案并为每个选项生成解析。如果 GPT-4 最初给出的答案错误，研究人员会给它提供正确答案并要求重新生成解析。之后，课程主任们会收到包含 GPT-4 生成解析的文档以及一份干预后调查问卷，用于评估解析的准确性、清晰度、适用性以及实施的可能性等。
研究结果令人眼前一亮。GPT-4 在首次尝试时，就正确回答了 80 道题中的 75 道（93.8%）。课程主任们对生成的解析给予了高度评价，他们认为大多数解析非常准确（77.5%）、非常清晰（83.8%）且非常适用（93.8%）。绝大多数解析（88.3%）只需进行很少的修改或无需修改就可直接使用。所有的课程主任都表示会在加入自己的编辑见解后使用 AI 生成的答案解析，而且大多数课程主任（75%）审查一组生成的解析平均只需要 4 分钟或更短时间。在满意度方面，所有课程主任都对生成的解释感到满意，其中 7 人（87.5%）表示 “非常满意”。
从这项研究中可以得出结论，GPT-4 是一种可接受且可行的工具，能够为医学教育中的选择题生成准确、清晰和适当的答案解析。这一研究成果具有重要意义，它不仅解决了医学教育工作者编写答案解析耗时的难题，还为学生提供了更丰富的学习资源，有助于提高学生的学习效果。而且，研究发现课程主任们在接触 AI 生成的材料后，对其态度从最初的怀疑转变为认可，这表明 AI 在医学教育中的应用有望得到更广泛的推广。
不过，研究也存在一定的局限性。例如，缺乏学生对生成解析的反馈，研究仅针对纯文本形式的选择题，且研究资源仅来自美国一所医学院，其结果可能无法推广到其他国家的医学教育中。但这也为后续研究指明了方向，未来可以进一步开展相关研究，完善 AI 在医学教育中的应用。
总体而言，这项研究为医学教育与人工智能的结合奠定了基础，展示了 GPT-4 在医学教育选择题答案解析生成方面的潜力，为未来医学教育的发展提供了新的思路和方向。
