基于大型语言模型的住院医师病历书写智能辅导系统的构建与应用

《BMC Medical Education》：Construction and application of an intelligent tutoring system for resident physicians’ medical record writing based on large language models

　　

摘要

研究目的

本研究旨在开发并评估一种基于大型语言模型的智能辅导系统，用于住院医师培训中的医疗记录撰写工作，同时考察该系统在提升文档质量及相关学习成果方面的有效性。研究方法：2025年1月至12月，在一家三级教学医院开展了单中心准实验性的前后对照教育评估。根据现有的教学安排，住院医师（PGY1-PGY3阶段）被分为干预组（基于大型语言模型的辅导系统结合传统教学）和对照组（仅采用传统教学）。该系统利用经过匿名处理的真实历史病例，提供结构化的文档撰写任务、自动化的多维度评估以及个性化反馈。主要评价指标为整体医疗记录撰写得分（0-100分），次要指标包括各特定领域的文档评分、文档错误率、完成时间以及住院医师的满意度。统计分析方法包括t检验、卡方检验、带95%置信区间的效应大小估算以及多元线性回归分析。研究结果：共有240名住院医师参与了分析，每组120人，其基线特征相当。6个月后，干预组的整体医疗记录撰写得分提升幅度明显高于对照组（组间平均得分差异为9.0分；95%置信区间为7.5–10.5分；Cohen’s d值为1.56；P值＜0.001）。在病史采集、诊断分析、鉴别诊断和治疗计划等文档相关领域也观察到了改进。干预组的文档错误率显著下降，且住院医师对该系统的满意度很高。结论：在住院医师培训环境中，基于大型语言模型的智能辅导系统有助于提升医疗记录撰写质量、提高文档处理效率，并增强住院医师的满意度。这些研究结果支持将该系统作为传统文档培训的可行补充，不过对于文档撰写之外的其他教育目标，仍需进一步验证。