DeepSeek辅助局部解剖学理论知识学习的可靠性研究

摘要

目的 评估人工智能大模型DeepSeek-R1在局部解剖学理论知识检索中的可靠性，重点比较其联网搜索模式与联网搜索联合深度思考模式在回答准确性、相关性和全面性方面的差异。方法 选取5个典型局部解剖结构(斜角肌间隙、肺根、腹直肌鞘、四边孔、股三角)作为查询对象，针对每一结构提出边界、内容物及临床应用3方面问题，分别采用上述两种模式进行提问。依据《局部解剖学》《Gray's Anatomy:The Anatomical Basis of Clinical Practice, 41st Edition》等权威教材，对模型回复进行定性评估，涵盖准确性、相关性和全面性3个维度。结果 两种模式在基础解剖知识的准确性方面表现一致，均能提供正确的核心信息。然而，联网搜索联合深度思考模式在内容翔实性、临床关联性与系统扩展性方面显著优于基础模式，能够整合更多维度的信息，如解剖变异、影像诊断及手术相关细节。该模式的不足之处在于响应时间较长，平均耗时113 s,而基础模式平均为42 s。结论 DeepSeek-R1可作为局部解剖学理论学习的可靠辅助工具，其中的联网搜索联合深度思考尤其适用于高阶医学教育及临床实践等需深度知识的场景，建议用户根据实际需求灵活选择不同模式。在未来，我们期望进一步推动人工智能在解剖学等专业领域的深度定制化发展。

关键词

DeepSeek / 局部解剖学 / 人工智能 / 医学教育 / 知识检索 / 深度学习