从ChatGPT到Sora：人工智能在医学教育中的应用潜力与挑战

From ChatGPT to Sora: Potential and challenges of artificial intelligence applied in medical education

摘要

以Web of Science（WOS）核心合集、中国知网数据库为检索对象，对AI、大语言模型、ChatGPT在医学教育中的研究趋势和热点进行文献计量分析，从国家、机构、期刊、作者、关键词聚类集群等方面对医学教育领域AI的应用进行展示、分析，以此为基础，对Sora在未来医学教育领域中的应用场景和挑战进行逐项阐述。共纳入文献717篇文献，结果显示数字医学教育和虚拟现实技术是医学教育研究中的核心领域，各类医学预测模型建立、AI应用于患者教育以及AI使用方面的经验传播具有广阔的研究前景。基于以上分析，以Sora为代表的文生视频模型，在“可视化”教学、科普、科研、决策沟通、技能培训应用方面的潜力得到进一步验证，但“深度伪造”、虚假信息、隐私数据安全、技术挑战、知识产权、人格利益、生成偏见等法律和伦理问题仍需谨慎对待。

Abstract

This study employs a bibliometric analysis of trend and hotspots of research on artificial intelligence (AI), large language models, and ChatGPT in medical education by drawing data from the Web of Science (WOS) Core Collection and CNKI. It systematically showcases the application of AI in the field of medical education through diverse lenses such as national distribution, institutional contribution, publishing journal, authorship, and keyword clustering. Based on this analysis, this paper explores potential applications and challenges for Sora in future medical educational contexts. We included a total of 717 publications, which highlight digital medical education and virtual reality technology as key research areas. Broad prospects are noted in construction of various medical prediction models, employment of AI in patient education, and dissemination of experience related to AI use. The potential of text-to-video models, represented by Sora, in applications such as “visualized” teaching, science popularization, research, decision communication, and skills training has been further validated. However, issues such as deep fakes, misinformation, data privacy, technological challenges, intellectual property rights, personality rights, and generation biases present legal and ethical concerns that warrant careful consideration.

Graphical abstract

关键词

ChatGPT / Sora / AI / 医学教育 / 文献计量学

Key words

ChatGPT / Sora / artificial intelligence (AI) / medical education / bibliometrics

2022年8月，科技部印发的《关于支持建设新一代人工智能示范应用场景的通知》强调：“要建立人工智能赋能医疗服务新模式”^[1]，对“新医科”发展战略下的医学教育提出了新的要求，人工智能（artificial intelligence，AI）技术迫使现有医学教育模式极速变革。ChatGPT（chat generative pre-trained transformer）是由美国 Open AI 公司开发的一种基于变形器（transformer）架构进行自然语言处理的人工智能预训练语言模型，通过训练大规模数据集生成连贯的、有逻辑的自然语言，能生成文本、代码、图像、语音，进行文本、语音、视频问答^[2]。被称为“世界模拟器”的Sora，能够根据文本指令生成由多角色、特定运动类型、主题和背景组成的细节逼真和富有想象力的动态场景^[3]，显示出其对世界深刻的理解能力、强大的模拟能力和超乎寻常的想象力、创新力。ChatGPT聚焦模拟人脑，而Sora 聚焦理解和模拟现实世界，后者建立在前者的基础上，体现了人工智能与物理世界融合发展的趋势^[4]。从“文生文”到“文生图”再到“文生视频”，人工智能技术给医学教育带来的革新和挑战是巨大的。本研究通过对数据库近六年以ChatGPT为代表的AI技术在医学教育领域的研究热点和趋势进行挖掘，以此为基石分析Sora在医学教育领域中的应用前景与挑战，以期为医学教育工作者应对医学教育革新提供参考。

1 AI在医学教育中的研究趋势和热点分析

使用（“Artificial intelligence”OR “large language model”OR“LLM”OR“ChatGPT”）AND“medical education”作为关键词进行高级检索，时间范围为2019年1月1日 — 2024年5月11日，以 Web of Science（WOS）核心合集、中国知网为检索对象，共检索到717篇文献。通过CiteSpace和VOSviewer对数据集进行可视化分析，从国家、机构、作者、关键词聚类集群等方面对医学领域人工智能技术的应用进行展示。

1.1 国家、机构合作分析

文献共来自65个国家或地区的170个机构。国家或地区合作网络共现分析显示（如图1a所示），美国出版数量最多（282篇，占39.44%），其次是中国和英国，分别为93篇（13.01%）和81篇（11.33%）。从链接强度看，美国（链接强度218）、英国（链接强度181）、意大利（链接强度117）是链接强度排名前三的国家，表明上述国家在AI教育领域的国际合作中发挥了建设性的中介作用。机构共现图显示（如图1b所示），发表论文数量排名前三的机构是Mayo Clinic（梅奥诊所，30篇，占16.67%）、Stanford University（斯坦福大学，24篇，占13.33%）、Harvard Medical School（哈佛医学院，23篇，占12.78%）。表明上述机构（如表1所示）在AI医学教育领域有着较高的活跃度和产出，对推动AI医学教育的发展具有重要意义。

1.2 作者、期刊合作分析

发文量排名前十的期刊中（如图2a、表2所示），BMC Medical Education（22篇，占14.01%）、Medical Teacher（22篇，占14.01%）、Mayo Clinic Proceedings（19篇，占12.10%）分别位列第1~3位。发文量排名前10的作者中（如图2b所示），Friedman Paul A（11篇，占16.42%）和Peter Noseworthy A（9篇，占13.43%)，Kapa、Suraj（8篇，占11.94%)，是该领域最高引作者。被引频次排名前10的作者中（如表2所示），Car Lorainne Tudor和Kyaw Bhone Myint（并列排名第一，被引用频次475次）是被引频次最高的作者，主要聚焦数字医学教育和虚拟现实技术在医学教育中的应用；Winkler-schwartz Alexander和Yilmaz Recai（并列第二，被引用频次208次），聚焦AI在医学教育沟通中的神经外科学领域人工智能技术的应用，如利用AI和脑电图来评估模拟神经外科任务的专业知识、虚拟现实模拟中使用深度神经网络进行手术监控、AI选择的指标评估模拟神经外科知识学习曲线等。

1.3 关键词分析

从关键词年轮图、关键词频次表及关键词聚类分析可以看出（如图3、表3所示），人工智能（artificial intelligence）和医学教育高频出现，表明人工智能是医学教育大模型研究的核心领域。其中，临床医学、护理、基础医学、遗传疾病、分子医学、生物化学是医学教育关注的重点学科。ChatGPT、GPT-4、虚拟现实、增强现实、混合现实是AI医学教育目前主流的教学搭载工具，课堂教学、课程考核是其主要应用场景。在与临床实践的交互中，临床诊疗、医学应用、临床护理、医疗照护、质量控制是其主要关注的医学实践方向，具体表现在肿瘤、心理健康、患者沟通、健康教育、应急事件、健康素养、药物研发与使用，以及质量管理、老龄化、死亡率、阿尔兹海默症、结局等方面。在文献综述、医学护理研究、科学素养等科研方面，生成式人工智能也表现出一定的潜力。

在人工智能的基础概念和技术范畴方面，technology（科技）、model（模型）、 validation（验证）、 performance（性能）、skills（技能）、readability（可用性）做了鲜明的强调，其对人工智能知识、技术和工具的应用影响着AI在医学教育中的推广和实施。关键词bias（偏见）、attitudes（态度）、barriers（障碍）等，说明人们对医学教育中生成式人工智能的使用方面存在诸多担忧，如算法偏见、教育偏见、教师和学生对AI+医学教育的接纳程度，以及应用于临床实践中的障碍等。

1.4 未来研究趋势

由关键词突现分析（如图4所示）可知，人工智能（artificial intelligence）是突现最为显著的关键词，具有较高的重要程度指数（3.03），表明在这段时间内，人工智能在医学教育领域的研究受到了广泛的关注和探索。模型（model）、分割（segmentation）关键词突现，表明在这段时间内，研究者对模型和医学图像分析的构建和应用进行了深入探索，尤其是在医学图像处理和疾病预测方面。2020年，健康（health）、系统（system）、网络（network）、医生（physician）和诊断（diagnosis）等关键词突现，表明在医学教育领域开始将AI技术应用于健康医疗救治领域，开启了各类AI辅助临床决策诊疗系统的研究探索。2021年，卷积神经网络（convolutional neural network）、手术（surgery）、可行性（feasibility）、医学物理学（medical physics）、死亡率（mortality）等成为突现的关键词，表明AI在医学教育中的应用转向了具体的学科和医学实践领域，注重对患者临床结局的影响。2022年，科学（science）和技术（technology）等关键词突现，强调了医学教育领域对于科学和技术的关注和应用，例如虚拟现实和增强现实技术。

2023 — 2024年，语言模型（language model）、经验（experience）和患者教育（patient education）等关键词突现，表明了近期世界范围内医学教育研究变化趋势和重点。AI的训练是基于各类大数据和模型基础上的，因而未来各类疾病预测模型、诊疗辅助模型、决策支持模型等研究领域潜力巨大。在患者教育领域，如何利用AI生成个性化教育内容、增强患者主动参与、提升健康素养、提高依从性和治疗效果是进一步研究的热点和趋势。同时，AI应用于医学教育领域的经验也变得尤为重要，如何打造AI教学实例，进行经验分享和传播，是未来医学教育领域重点研究的方向之一。

2 Sora在医学教育领域的应用前景

全球图景下，以ChatGPT和Sora为代表的文生文/图、文生视频技术在医学教育领域的应用正在变得广泛和深入。Sora的多维价值（画面、社会、情感、时空）为人们提供了更丰富的信息量，优化了对人类各项技能的锻炼，增强了抽象思维和想象力^[5]，将在未来教育场景中占据主导地位。结合上述研究热点分析，对Sora在医学教育领域的应用场景探讨。

2.1 教学内容“可视化”

医学教学中常包含海量晦涩难懂的生理病理机制、诊疗实践流程，虚拟现实（virtual reality，VR）、增强现实（augmented reality，AR）、混合现实（mixed reality，MR）是内容资源与先进技术深度融合的代表^[6]，将医学知识由静态和程式化转为立体，增强了学生对知识的理解；但受限于3D建模昂贵的成本，其并未在医学教学内容生成中普及。通过Sora技术的赋能，让复杂的解剖结构、神经信号的传递、癌症的细胞增殖、感染的扩散机制等抽象知识具象化，以动态视频形式跃然纸上，极大地改变了知识生产方式和师生交流深度。同时，通过高效的人-机互动，在无须佩戴设备的情况下，学生即可对医学的历史性场景、危险性场景、稀缺性场景进行深度还原，根据个人的学习进度、状态、兴趣和理解能力生成个性化的教学视频，使教材内容以文字、音频、视频、三维模型等多模态、“可视化”的形式呈现，极大地提高了学习内容的趣味性和学生的学习效率。

2.2 临床决策沟通

医学人文教育的重要性不言而喻，其内容包括同理心塑造、沟通能力锻炼、护理职业道德培养等^[7]。身患疾病的患者承受着极大的生理和心理痛苦，而医学生因临床经验不足，无法感同身受，由此面临着同情心疲乏和道德困境^[8]。Sora可提供不一样的临床沟通模式，患者可以根据自身疾病特点及症状，描绘自己的躯体症状，让隐藏在身体内的症状通过“数字人”演绎表达，有助于临床沟通，从而培养医学生的同理心，对医学生的感知能力有着积极的影响^[9]。医学生也可针对特定疾病或状况的患者，将复杂的健康教育内容生成生动、易懂的健康教育视频，帮助患者更好地理解和配合治疗。一项研究发现，60%的患者对医师所提供的处方药物信息有误解^[10]，在理解自身的疾病和教育计划时，常感到压力和焦虑。Sora增强了患者对复杂医疗治疗的理解。清晰的临床沟通可以提高患者的满意度、依从性，减轻患者治疗时因经历心理痛苦而产生的继发性症状，由此促使好的诊疗效果的产生^[11]。

2.3 实践技能培训

受限于环境条件、操作安全性等，学习者临床操作能力难以得到有效练习^[12]。在真正的临床诊疗场景中，医务工作者需要快速做出临床决断，且不允许错误发生。而视频培训中的场景是可重复的。Sora搭载VR技术，允许学生根据自己的学习节奏和强度，反复生成训练视频，学生可以在一个安全和可控的环境中实践临床推理和决策技能，以此提升对复杂手术、灾难响应、困难决策的应对能力。同时，视频具有保留和回忆功能，可以对训练数据进行分析和监控，以生成个性化的训练报告，有助于帮助学生发现自身训练盲区和障碍，进行个性化的教学指导。此外，虚拟技能中心释放了物理空间和临床教师时间，学生可以通过手机、电脑或VR等交互设备随时随地进入虚拟技能中心，与其他学习者共同学习或向教师请教^[13]，极大地增强了学习的灵活性。

2.4 医学科普教育

最新一项调查显示，90%的医学生对科普信息持积极关注态度，但真正参与医学科普工作的医学生仅有19.18%^[14]。进一步调查原因发现，自身能力不足（71.28%，包括写作、演讲、绘画及视频制作等）和个人创新能力不足（63.83%）是阻碍医学生进行科普工作的重要影响因素^[15]。视频是患者最喜爱的科普形式，而Sora的出现降低了创意和想象的视觉实现代价和门槛^[16]，将极大地激发医学生的创作力和想象力，助力科普工作跃迁升级。通过建立自己的数字孪生画像，借助AI对个体的状态、喜好等进行分析预测，针对性投放疾病预防、自我管理、康复、心理等医学资源，从而让知识传递更具吸引力。此外，搭建大规模语言模型技术（如ChatGPT），还可以实现线上线下的“虚实联动”，将一些常规化的科普问题交由孪生数字人实施视频科普，并根据患者需求针对性地进行科普视频推送，从而提升民众的健康素养。

2.5 医学科学研究

医学研究涉及科研概念的提取、理论建构、实验验证、学术传播等多个环节。Sora有望将复杂的生物机制理论模型和实验过程以直观形象的方式传达给学术同行和社会公众，在模拟实验环境和科学知识共享方面发挥关键作用^[17]。在科研概念提取阶段，大量的原始数据须借助各类专业建模软件进行转化，这对医学生而言是难以驾驭的。Sora可以将深奥的抽象理论转化为易懂的视觉材料，从而增强科研概念提取的有效性。在实验环境模拟方面，医学研究常涉及危险操作或受限于特殊环境（如使用各类放射性设备和药物，有毒生物制剂，细菌病毒、真菌等病原体，感染的血液、体液、组织样本等），Sora可根据文本说明构建虚拟实验流程并生成模拟实验结果，帮助科研团队评估实验风险，进行实验探索验证，节约实验成本，减少实验所带来的职业暴露。在学术成果传播方面，Sora的高效视频生成技术有望促进跨学科合作与交流，视觉材料可以突破专业知识屏障，让多学科领域专家展开无障碍沟通，加快科研成果传播及新技术转化。

3 Sora在医学教育领域中应用的挑战

Sora取自日语，意为天空，寓意无限的创造潜力。Open AI在关于Sora的技术报告中写道：“Sora能理解运动中的物理世界，堪称真正的世界模型”。正因如此，以Sora为代表的人工智能具有理解能力、视频真实性显著提升，以及多模态融合与同步的特点，相较于ChatGPT等文生文、文生图的大语言模型而言，其对医学教育的潜在冲击也呈现出新的特征。

3.1 虚假信息

虚假信息是Sora引入医学教育中最主要的挑战。透明度与可解释性对于确保人工智能系统的可信度至关重要。目前，包括Sora在内的大模型普遍遭遇“黑盒效应”，其内部运算过程难以透视，决策机制呈现低透明度与低可解释性特征^[17]。“欧亚评论”网站称，数字时代的各种问题将因AI技术的进步而加剧，模拟和现实的混淆引发“有效信息沙漠”，AI创始人Gary Marcus认为：“Sora是一个鲁莽的野兽，更像变形和剪接，而非迭代的、基于定律的物理引擎”^[18]。Sora的文生视频相较于ChatGPT生成文本出现的错误更隐蔽、更不易被察觉，甚至会使错误以理所当然的“正确”和视觉无误的方式被接受^[4]，这与医学教育所要求的精准形成矛盾，现有的批判性思维理论将不足以应对 Sora逼真模拟视频所造成的真假难辨的现实，导致错误知识的传递，给未来临床实践和患者安全埋下隐患^[19]。

3.2 隐私与数据安全

生成式人工智能模型的底层逻辑是通过互联网规模的数据培训获得文字解读和视频理解、生成能力。在教师和学生向其发送人类指令和投放教学资源时，可能会无意中披露个人信息，如姓名、电子邮件、电话号码、住址、人脸、病史、诊疗记录等。Open AI承认，它可能会将这些信息用于各种目的，如分析、维护和改进其服务、进行研究、防止欺诈、犯罪活动或其他服务^[20]。此外，Open AI可以在不经用户进一步通知或同意的情况下与第三方共享此个人数据，给学生和患者数据的隐私和安全带来风险。Sora本身不会将用户信息及历史数据发送给他人，但可以合成一些隐私信息，这种合成并不是伪造，而是会以关联的形式，启发后面的提问者^[20]，这严重损害了学生和患者的信任感。为确保学生和患者信息安全与隐私得到妥善保护，学校和技术平台必须遵循严格的数据保护法规，采用数据加密、访问控制和匿名化处理等手段对数据进行保护^[21]。对教师和学生进行数据安全意识的教育，使他们了解如何安全地处理个人信息，也是防范数据泄露和滥用风险的重要措施^[22]。

3.3 知识产权

生成式人工智能大模型依托海量训练语料和高质量的微调语料进行学习和理解，Sora可以使用有版权的材料，如视频、科研文章和图像^[23]。《科学美国人》杂志报道称，AI有可能复制或高度模仿受版权保护的作品，并将其作为原创生成内容呈现。因此，文生视频的新模态仍存在原有大模型带来的知识产权、数据来源合法性、生成不良或违法信息、算法偏见等威胁和风险^[24]。在进行创作时，Sora没有得到版权所有者的适当承认和授权，关于使用Sora作者权的讨论正在进行中，是否将Sora列为合著者以及教师和学生应该如何在遵守专业和监管期望的同时使用Sora成为新的问题。

3.4 侵犯人格利益

相较于ChatGPT指向的信息数据剽窃风险，对Sora等文生视频的模态而言，肖像权、名誉权、荣誉权，甚至是死者的人格利益保护问题更为突出。有人利用人工智能“复活”逝世明星“乔某某”，对死者近亲属造成精神上的伤害，让人难以接受^[25]。在医学教育与大模型的对话中，须投放有关患者的病例资料，如被用于非法环境中，引起对个体的恶意攻击、曲解、侮辱或诽谤，会对他人的肖像权、名誉权、荣誉权造成严重侵犯，从而引发医疗和社会信任危机^[26]。

3.5 技术挑战

目前，Sora尚未真正对公众开放，与之相关的技术整合尚有不足，存在真实感弱、交互不够充分等缺陷。其所搭载的VR设备价格昂贵，现有硬件难以匹配，从而影响其大规模使用及推广，与之相关的研究尚缺乏高质量的随机对照试验证据。此外，各层次医学教师和学生现有的信息素养相对不足，缺乏明确、系统的培养理念与培养机制，不同群体在信息技术应用能力与智能化教学方面仍存在巨大的“数智鸿沟”。现实的医学教育中，以ChatGPT和Sora为代表的生成式人工智能教学并未被深度运用。在数字化教育快速发展的时代，教师和学生需提升自身的信息素养，推动医学教育智能化转型。

3.6 输出偏见

不管是ChatGPT还是Sora，其生成内容是基于海量的语言和视频数据进行训练的。目前，医疗信息主要来源于高收入国家的研究结果，其潜在的历史、文化、种族、性别、经济差别，会造成对部分群体的歧视和不公平待遇，进一步加剧医疗中的不平衡，破坏患者对医疗行业的信任^[27]。因此，在使用这类新型技术教学时，教师应严格遵守道德标准和伦理原则，以确保医疗公平和安全。

4 未来展望

当前，Sora尚未真正地对公众开放，Sora的研发团队表示，“Sora模型内测后迟迟未开放使用的原因是其能力过于强大，因此还有许多的安全工作需要完成”^[28]。从ChatGPT到Sora，人工智能技术极大地丰富了教育资源，提高了教学效率和质量，在“可视化”教学、科普、科研、决策沟通、技能培训变革等方面实现了更加个性化和互动性的学习体验，但同时也带来了“深度伪造”、虚假信息、隐私数据安全、技术挑战、知识产权、人格利益、生成偏见等法律和伦理问题。为确保这些技术在医学教育中的有效应用，未来必须加强数据保护法规的实施，提高教师和学生的信息素养，严格遵守道德标准和伦理原则。

参考文献

[1] 科技部. 关于支持建设新一代人工智能示范应用场景的通知(国科发规〔202〕228号)[EB/OL].(2022-08-12)[2024-05-22].

[2] 桑基韬, 于剑. 从ChatGPT看AI未来趋势和挑战[J]. 计算机研究与发展, 2023,60(6): 1191-1201.

[3] Open AI. About Sora[EB/OL].[2024-05-20].

[4] 陆道坤, 陈吉钰. Sora: 学校教育的“拯救者”还是“终结者”[J]. 新疆师范大学学报(哲学社会科学版), 2024, 45(6): 112-127.

[5] 陶炜, 沈阳. 从ChatGPT到Sora: 面向AIGC的四能教育和范式革新[J]. 现代教育技术,2024, 34(4): 16-27.

[6] 张新新, 孟轶. Sora驱动下的融合出版新技术新业态新模式分析[J]. 中国编辑, 2024(4):29-36.

[7] RODGERS B L, JACELON C S, KNAFL K A. Concept analysis and the advance of nursing knowledge:State of the science[J]. Journal of Nursing Scholarship, 2018, 50(4): 451-459.

[8] 冯郑希, 万阳月, 俞申婧, 等. 急诊科护士同情心疲乏体验及其发展与对策的质性研究[J]. 解放军护理杂志, 2021, 38(1): 33-36.

[9] DHAR E, UPADHYAY U, HUANG Y R,et al.A scoping review to assess the effects of virtual reality in medical education and clinical care[J].Digit Health,2023,9:20552076231158022.

[10] ZIELINSKI R, MACDOUGALL H, HUGHES-BARTON D, et al. Virtual reality as a patient education tool in healthcare: A scoping review[J]. Patient Education and Counseling, 2022, 105(7): 1928-1942.

[11] URLING S, SEZER S, BARTELS R, et al. Patient education: A systematic review of the literature[J]. Patient Education and Counselin, 2022(105): 1917-1927.

[12] JASEMI M, WHITEHEAD B, HABIBZADEH H,et al.Challenges in the clinical education of the nursing profession in Iran:A qualitative study[J].Nurse Education Today,2018,67:21-26.

[13] KOUIJZER M M T E, KIP H, BOUMAN Y H A, et al. Implementation of virtual reality in healthcare: A scoping review on the implementation process of virtual reality in various healthcare settings[J]. Implementation Science Communications, 2023, 4(1): 67.

[14] 张亚敏, 闻晶晶, 李悔, 等. 皮肤科医务人员和医学生参与医学科普实况的调查与分析[J]. 医学教育研究与实践, 2023, 31(2): 237-243.

[15] 魁玉兰, 刘亚玲, 李悔, 等. 医学生参与医学科普实践状况的调查与分析[J]. 医学教育研究与实践, 2021, 29(5): 733-737.

[16] BROOKS T, HONTZSCH P P, BERGMAN A. Video generation models as world simulators,2024[EB/OL].(2024-04-08)[2024-05-14].

[17] 任天知, 沈浩. 从Sora到“世界模拟”: 视频大模型的技术原理、 应用场景与未来进路[J]. 新闻爱好者, 2024(6): 27-32.

[18] MELISSA. 独家专访 Gary Marcus: Sora很神奇,但很多视频违背物理定律[EB/OL].(2024-02-21)[2024-03-18].

[19] 王天恩. Sora的世界模拟及其教育运用[J]. 思想理论教育, 2024(4):51-57.

[20] Open AI. Data usage for consumer services FAQ[EB/OL].(2024-02-16)[2024-03-17].

[21] 郑艳群. 在教育变革和技术变革中思考国际中文教育的前景[J]. 天津师范大学学报(社会科学版), 2023(2): 15-23.

[22] 王艺如. Sora与未来教育内容创作: 创新、风险及管理策略[J]. 继续教育研究, 2024(5):62-65.

[23] 钱力, 刘熠, 张智雄, 等. ChatGPT的技术基础分析[J]. 数据分析与知识发现,2023, 7(3): 6-15.

[24] 刘艳红. 生成式人工智能的三大安全风险及法律规制: 以ChatGPT为例[J]. 东方法学, 2023(4): 29-43.

[25] 新华网. 跨越生死的数字魔法: AI“复活”影响几何[EB/OL].[2024-08-17].

[26] 邓建鹏, 朱怿成. ChatGPT模型的法律风险及应对之策[J]. 新疆师范大学学报(哲学社会科学版), 2023, 44(5): 91-101.

[27] WANG C, LIU S, YANG H, et al.Ethical considerations for the use of ChatGPT in healthcare[J]. Journal of Medical Internet Research, 2023, 25: e48009.

[28] PEEBLES B, BROOKS T, RAMESH A. Sora团队首次专访: Sora就是太强了, 所以不让普通人用[EB/OL]. (2024-03-12)[2024-03-15].

基金资助

重庆医科大学教育教学改革研究(JY20230324)