七步ChatGPT辅助药理学学习框架：教育结果与对假设AI知情患者的态度

《Scientifica》：A Seven-Step Framework for Structured ChatGPT-Assisted Pharmacology Learning: Educational Outcomes and Attitudes Toward Hypothetical AI-Informed Patients

　　

生成式人工智能（generative artificial intelligence, AI）越来越多地被健康专业学生和患者在就诊前用于获取健康信息。这带来了两个相关的教育挑战：支持学习期间对AI的批判性使用，以及培养未来临床医生适当应对假设的AI知情患者。本研究评估了一个教师设计的七步ChatGPT辅助自主药理学学习框架，并探讨了该框架中嵌入的原则是否反映在学生对AI知情患者的态度中。方法：在这项匹配队列教育研究中，纳入了104名三年级牙科学生。自愿参与七步ChatGPT辅助框架的学生（n=52）按既往学业成绩和数字工具熟悉度与未使用者（n=52）逐一匹配。主要结局指标为三项开放式药理学测验的成绩，用于评估机制推理，由两名设盲评估者独立评分。框架参与者还完成了一份八项学习感知问卷和一份十项针对假设AI知情患者的问卷。探索性Spearman相关分析考察了概念匹配的学习相关陈述与患者相关陈述。结果：框架参与者的学习后药理学得分高于匹配的未使用者（1.77±0.30 vs. 1.45±0.47；p=0.0003）。在需要整合受体机制和下游信号转导的问题上观察到最大差异（+28%；p<0.001），而药物名称的事实性回忆无差异（p=0.47）。学生普遍认识到ChatGPT的潜在有用性和局限性，并支持对假设AI知情患者采取专业、非轻视的回应。感知ChatGPT对学习和写作的有用性与识别患者过度依赖AI生成诊断的风险相关（ρ=0.32，p=0.019），而使用ChatGPT学习的意向与赞同对提出ChatGPT生成诊断的患者采取严肃且专业的态度相关（ρ=0.40，p=0.004）。结论：参与结构化框架与更强的学习后机制性药理学表现相关。这项新颖的跨情境分析确定了负责任AI使用与对假设AI知情患者的专业态度之间有限但可能具有意义的关联。这些探索性关联并不证明临床沟通能力的迁移，但提示验证、情境化、风险意识和人类监督可能为处理学习者和患者的AI使用提供共同的教育基础。

近年来，生成式人工智能（generative artificial intelligence, AI）如ChatGPT在健康专业教育和患者健康信息获取中日益普及。在教育情境下，这类工具能够支持迭代提问、快速解释和个性化反馈，但其流畅输出也可能包含事实错误、虚构参考文献或过度简化的推理。若缺乏结构化引导，学生可能产生过度依赖和被动接受，削弱学科推理能力。与此同时，患者在就诊前也越来越多地使用对话式AI获取初步诊断、药物列表和疾病解释；然而，AI无法进行临床检查、确认诊断有效性或完整理解个体病史，可能诱发患者过度信任、焦虑或沟通障碍。自主药理学是药理学的重要分支，涉及自主神经系统对心血管、气道、胃肠、腺体、瞳孔、膀胱及应激反应等功能的调节。作用于肾上腺素能和胆碱能受体的药物广泛用于麻醉、急诊、心内科、呼吸科、眼科、牙科、外科、护理和药学等实践。在牙科领域，理解受体选择性、细胞内信号转导及组织特异性效应对于安全使用含血管收缩剂的局麻药、处理口干、识别药物不良反应以及管理服用抗高血压药、支气管扩张剂、抗抑郁药或抗胆碱能药物的复杂患者至关重要。因此，教育者面临双重挑战：既要引导学生以支持而非取代学科推理的方式使用AI，又要为未来临床医生应对已接触AI信息的患者做好准备。已有研究多聚焦AI性能、可用性和一般教育应用，鲜有将结构化AI辅助学习与学生面对AI知情患者的态度联合考察。为此，研究人员设计了教师主导的七步ChatGPT辅助药理学学习框架，旨在评估其与自主药理学学习后概念理解和机制推理的关联，并探索框架原则是否映射到学生对假设AI知情患者的职业态度。

研究人员在贝尔格莱德大学牙科医学院开展了一项匹配队列教育研究，纳入2023–2024学年选修牙科药理学的104名三年级牙科学生。52名自愿参与七步ChatGPT框架的学生与52名未使用者按既往学业平均成绩（±0.5分）和数字工具熟悉度（±1分）逐一匹配。干预后，框架参与者在三项开放性药理学测验中得分显著高于匹配非使用者（1.77±0.30 vs. 1.45±0.47，p=0.0003），尤其在受体机制与下游信号整合题目上优势明显（+28%，p<0.001），而药物名称事实回忆无差异。这一结果表明，结构化AI辅助学习与更深的机制推理能力相关，而非单纯事实记忆。此外，探索性跨情境分析发现，感知ChatGPT对学习和写作有用性与识别患者过度依赖AI诊断风险之间存在正相关（ρ=0.32，p=0.019），使用ChatGPT学习意向与赞同对AI知情患者采取严肃专业态度之间也存在正相关（ρ=0.40，p=0.004）。这些关联提示，验证、情境化、风险意识和人类监督等原则可能共同构成处理学习者和患者AI使用的基础，但并不能证明临床沟通能力的迁移。该研究的重要意义在于，它将AI辅助学习与未来临床实践中的AI相关沟通结合起来，为健康职业教育整合AI素养培养提供了初步实证依据。

为开展研究，研究人员主要使用了以下关键技术方法：采用匹配队列设计，从贝尔格莱德大学牙科医学院2023–2024学年课程中纳入104名学生，将ChatGPT框架参与者（n=52）与按学业成绩和数字工具熟悉度匹配的非使用者（n=52）配对。干预为七步框架，包括教师预测试、期望校准、引导学习结构、学生生成提示、独立验证、主动视觉综合和反思讨论。主要结局为三项开放问题药理学测验，评估受体机制、G蛋白-第二信使通路及组织效应的整合推理，由两名设盲评估者以0–2分分析性评分标准独立评分（ICC=0.89）。次要结局包括与2022–2023历史队列研讨会成绩的比较、八项学习感知问卷（Cronbach's α=0.799）、十项AI知情患者态度问卷（α=0.834）以及探索性Spearman等级相关分析。统计方法包括配对t检验、非配对t检验、多元线性回归和Spearman相关。

3.1 学习结果：通过配对t检验，框架参与者药理学测验平均分显著高于匹配非使用者，且差异主要来自需要整合受体机制和下游信号通路的问题（平均提升28%，p<0.001），而药物名称事实回忆无显著差异（p=0.47）。2023–2024队列的研讨会成绩也高于2022–2023历史队列（1.88±0.64 vs. 1.68±0.56，p=0.02），经调整队列、性别和出勤后，框架参与仍与更高研讨会成绩相关（B=0.70，95% CI 0.55–0.86，p<0.0001）。

3.2 学习相关感知：八项问卷结果显示，学生普遍认为ChatGPT容易使用且可能有助于学习，但同时也对其教育价值和作为学习工具的适当性存在不确定性。

3.3 对假设AI知情患者的感知：十项问卷结果显示，学生承认ChatGPT在就诊前提供初步信息的作用有限，并强烈反对其替代临床检查。多数学生同意AI生成答案可能听起来令人信服但缺乏临床准确性，患者可能过度信任AI诊断，牙医应解释AI工具的局限性，并以严肃、专业、冷静和共情的方式回应此类患者。

3.4 跨情境分析：在52名同时完成学习感知和患者态度问卷的学生中，Spearman相关分析发现两个显著概念配对关联：感知ChatGPT对学习和写作有用性与识别患者过度信任AI诊断风险正相关（ρ=0.32，p=0.019）；使用ChatGPT学习意向与赞同对AI知情患者采取严肃专业态度正相关（ρ=0.40，p=0.004）。其余配对关联未达统计学显著水平。

讨论部分强调，验证是框架的明确组成部分，学生需将AI生成信息与至少两个可靠科学来源核对；患者-facing结果也显示学生认识到AI信息可能缺乏临床准确性。情境化通过手绘药理图谱实现，促使学生连接受体、信号通路、药物作用与临床效应，而患者护理中的情境化要求将AI信息置于个体症状、用药史和检查结果中。学生能够区分AI的有用性与无批判依赖，并意识到过度信任、焦虑和医患关系受损等风险。人类监督贯穿框架，教师预设目标和检查点，学生保持验证和综合责任。跨情境相关为这些概念联系提供了有限实证支持，但多数关联不显著，说明学习情境中的AI态度并不系统对应患者面对态度。局限性包括自我选择、匹配无法消除动机差异、无干预前基线以及自报告态度，故结果应视为假设生成而非因果证据。

研究结论可翻译为：本分析的新颖之处在于考察两个关联情境中的概念匹配态度：学生使用AI进行自身学习，以及未来临床医生应对就诊前已使用AI的患者。结果表明，负责任的AI参与可能为这些情境提供联系，尤其是当对AI的开放态度伴有对其风险的认识和对假设AI知情患者的专业尊重时。然而，由于分析属于探索性、基于样本量中等且涉及多个概念选择的比较，显著关联应视为假设生成而非验证性的。对健康职业教育而言，实践意义在于课程应涵盖AI使用的两个方面：学生需要在学习期间获得结构化机会以批判性地使用AI，同时练习如何验证、情境化并沟通患者接触中AI生成的健康信息。这些发现支持将上述领域整合在共同教育框架内，同时保留以患者为中心的沟通和临床判断的独立教学与评估。