综述：ChatGPT在解剖学教育中能否发挥重要作用？范围综述

（编辑推荐）本综述通过范围评价法系统分析了ChatGPT在解剖学教育中的应用潜力。结果显示，尽管该AI平台能辅助理解解剖学知识并展示临床意义，但其生成详细答案、科学文本及图像的能力较弱，且性能不优于其他平台。当前证据表明，ChatGPT尚无法成为解剖学教育的核心工具，但其持续进化特性值得未来关注。

　　

Material and methods
研究团队系统检索了PubMed、SCOPUS、ERIC和Cochrane数据库，以“ChatGPT AND anatomy”为关键词筛选文献。纳入标准聚焦于探讨ChatGPT回答解剖学问题的原创研究，排除综述、评论及非英文文献。最终纳入9项研究，其中7项为定量分析，2项为定性评估。

Results
ChatGPT的表现呈现明显局限性：

• 答案质量：60%的研究指出其生成的解剖学答案缺乏细节，且存在科学准确性缺陷。例如，一项研究显示其对神经血管走行的描述错误率高达34%。
• 多模态缺陷：所有涉及图像生成的研究均报告其无法创建符合教学要求的解剖示意图。
• 横向对比：在4项对比研究中，ChatGPT的性能均未超越人类专家或其他AI平台（如AnkiMed），尤其在处理三维空间关系问题时误差显著。

值得注意的是，两项定性研究肯定了其辅助价值：通过即时问答帮助学生理解复杂概念（如胚胎发育时序），并能将解剖结构与临床病例（如心肌梗死相关动脉）关联。

Discussion
当前证据揭示了ChatGPT的三重矛盾：

1. 即时性与准确性失衡：虽然能快速响应查询，但答案常需人工校验，这与医学教育对精确性的严苛要求相冲突。
2. 技术代际局限：其基于GPT-3.5架构的模型缺乏解剖学专用训练数据，导致对专业术语（如“腕管综合征”）的解析能力弱于通用医学知识。
3. 教育适配度不足：无法实现个性化学习路径设计，且生成的考题中有28%存在题干逻辑瑕疵。

Conclusions
解剖学教育的特殊性（如空间认知、临床整合）要求工具具备高可靠性和交互性。尽管ChatGPT展现了AI在医学教育中的可能性，但其当前版本更适用于辅助复习而非核心教学。未来需结合解剖学本体库（如FMA）优化模型，并开发混合评估框架以平衡效率与严谨性。