综述：AI赋能的医学与牙科教育中基于问题和案例的学习：系统综述与荟萃分析

（编辑推荐）本综述系统评价了人工智能（AI）技术赋能的问题导向学习（PBL）和案例导向学习（CBL）在医学/牙科教育中的应用。荟萃分析显示，AI干预显著提升学生知识获取达46%（P=0.001），标准化满意度评分达0.7（P<0.00001）。尽管存在偏倚风险，AI-PBL/CBL展现出替代传统教学模式的潜力，尤其通过智能辅导系统（ITS）和生成式模型（如ChatGPT）实现个性化学习。

　　

AI技术如何重塑医学教育？

Abstract
人工智能（AI）技术的突破为医学与牙科教育带来革命性变革。通过系统分析6项随机对照试验（RCT），发现AI赋能的PBL/CBL使学生知识获取效率提升46%，满意度评分达0.7（P<0.00001）。尽管临床推理能力因测量工具异质性未能定量分析，但AI技术展现出解决传统教学高成本、标准化不足等痛点的潜力。

Introduction
传统PBL/CBL虽能培养临床推理和批判性思维，却面临案例标准化不足、师资培训成本高等挑战。AI技术通过三大路径破局：

1. 智能辅导系统（如COMET、METEOR）模拟人类导师，实时生成个性化反馈
2. 生成式模型（ChatGPT、GANs）创建多模态虚拟病例
3. VR/AR技术构建沉浸式临床场景

Methods
严格遵循PRISMA指南，检索PubMed/MEDLINE等数据库。纳入标准聚焦：

• 研究对象：医学生/牙科生
• 干预措施：AI-PBL/CBL
• 对照：传统教学或非AI-PBL/CBL
• 结局指标：知识获取、临床推理、满意度

Results
知识获取：4项研究荟萃分析显示，AI组知识获取SMD=0.46（95%CI 0.18-0.73），其中：

• 对比传统讲座：效果提升70%（P=0.003）
• 对比非AI-PBL：提升31%（P=0.07）

临床推理：

• COMET系统表现媲美人类导师（P=0.058）
• ChatGPT定制版LearnGuide使CCTT-Z评分显著提升（SMD=1.34）

满意度：3项研究显示标准化满意度评分0.7（95%CI 0.47-0.92），但存在硬件要求高、系统响应慢等负面反馈。

Discussion
AI技术的三大优势与挑战并存：

1. 个性化学习：ITS系统如CC-Cruiser提升诊断知识（P=0.016），但病例库更新滞后
2. 成本效益：WFO系统降低案例开发成本，却需持续维护
3. 人机协同：ChatGPT模拟问诊提升临床判断力（P<0.01），但需导师审核准确性

Conclusions
AI-PBL/CBL正重塑医学教育范式，其核心价值在于：

• 通过生成式模型实现案例无限扩展
• 利用自适应算法匹配个体学习曲线
• 结合VR/AR构建安全临床环境
  未来需更多纵向研究验证长期效果，并建立AI内容审核机制。