大语言模型在未分化疾病教学中的应用探讨及案例分析
胡梦杰
任文
任菁菁
浙江大学医学院附属第一医院全科医疗科,浙江 杭州 310003
摘要：该文探讨了大语言模型(large language models,LLMs)在未分化疾病(medically unspecified disease,MUD)教学中的应用.MUD由于症状不典型,诊断和治疗具有挑战性,现有教学方法难以有效提升全科住院医师的诊治能力.通过开发全科标准化病人系统和辅助诊疗模型,LLMs通过模拟病例、个性化学习路径和虚拟患者互动等功能,为MUD教学提供了全新的视角和工具.初步研究表明,这些教学方法的应用显著提高了全科住院医师诊断准确率和学习效果,尤其在复杂病例的管理和学生信心方面.尽管LLMs在应用中面临数据准确性、伦理和实践等挑战,但其在临床实践和提升教学质量中的潜力依然不可忽视.未来研究需集中于克服这些挑战,以促进MUD教学的进步.
关键词：未分化疾病全科医学人工智能住院医师大语言模型
分类号：G45(教师与学生)R4(临床医学)
资助基金：基于多模态融合架构的全科未分化疾病AI辅助管理系统研究(72274169)
论文发表日期：2025-04-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 277-282 )
英文信息