人工智能在整形外科教育与培训中的现状与潜力：系统性综述

【编辑推荐】本研究通过系统性综述评估AI在整形外科教育中的应用现状。研究人员检索6大数据库，筛选15项研究后发现：ChatGPT-4在专科考试中表现优异（平均72.7%），能辅助教学并生成可比性个人陈述，但存在手术方案生成不准确等问题。研究揭示了AI作为教育补充工具的潜力，强调需制定伦理规范推动其发展。

　　

在医学教育领域，整形外科因其高度依赖实践操作和美学判断的特点，始终面临培训周期长、标准化难度大的挑战。源自希腊语"plastikós"（意为可塑）的这门学科，自1838年Eduard Zeis命名以来，一直以创新精神推动技术革新。随着人工智能(AI)技术的爆发式发展，一个关键问题浮出水面：这项变革性技术能否重塑整形外科医生的培养模式？

为回答这个问题，研究人员开展了一项系统性综述研究，论文发表于《Journal of Surgical Education》。研究团队通过检索PubMed等6大数据库的909篇文献，最终纳入15项关键研究，采用ROBINS-I工具评估偏倚风险。结果显示，当前AI在整形外科教育中的应用呈现"双面性"：一方面，ChatGPT-4在专科考试(In-Service Examinations)中取得72.7%的平均分，生成的个人陈述与人类作品质量相当；另一方面，该模型在生成手术协议时存在26.67%的错误率。值得注意的是，结合DALL-E 2的图像生成技术展示了AI跨模态应用的潜力，而机器学习支持的实时反馈系统则为手术技能评估提供了新范式。

研究采用的关键技术包括：1)系统性文献检索策略，使用布尔运算符组合AI模型、整形外科和教育相关术语；2)双研究者独立筛选机制；3)基于ROBINS-I工具的偏倚风险评估；4)对大型语言模型(LLM)如ChatGPT-4、Google Bard的横向比较分析；5)机器学习在吸脂手术实时反馈中的应用评估。

【研究结果】

1. AI模型表现差异：ChatGPT-4在13项LLM研究中表现最优，其台湾医师执照考试错误率（26.67%）虽暴露局限，但仍优于其他模型。
2. 教育辅助功能：AI可模拟教学助手角色，但生成的解剖图谱需要专家验证，反映其存在"知识盲区"。
3. 技术融合创新：ChatGPT与DALL-E 2的联用创造了合格的教学图像，而机器学习算法通过分析手术动作参数，实现了吸脂操作的实时指导。
4. 应用现状调研：AI预测的调研结果显示，当前整形外科教育中AI使用率有限，但从业者对其发展持开放态度。

【结论与意义】
该研究首次系统勾勒出AI在整形外科教育中的"能力边界"：虽然无法替代资深外科医师的临床判断，但在基础知识传授、标准化考核和技能量化评估方面展现出独特价值。特别值得关注的是，研究揭示了当前AI应用的"透明度困境"——多数研究未明确模型版本和训练数据，这可能导致结果难以复现。研究者建议从三方面推动发展：建立AI生成内容的真实性验证标准、开发专科定制化训练数据集、完善伦理审查框架。这些发现为医学教育数字化转型提供了实证依据，同时警示过度依赖技术的潜在风险。从更广视角看，这项研究为外科教育中"人机协同"模式的构建奠定了理论基础，其关于技术透明度的讨论也对其他专科AI应用具有借鉴意义。