人工智能和虚拟现实技术在麻醉学教学中的实践与前景：个性化学习路径的综述研究

Practice and prospects of artificial intelligence and virtual reality technologies in Anesthesiology teaching: A review on personalized learning approaches

摘要

随着人工智能（artificial intelligence， AI）技术的迅速发展，个性化学习路径在医学教育，尤其是在麻醉学教学中的应用，成为了一个重要的研究方向。麻醉学作为一门涉及高风险的学科，其教学中面临着教学资源不足、学习进度不同等问题。个性化学习路径的引入为解决这些问题提供了新的思路。本研究综述了个性化学习路径在麻醉学教学中的应用，探讨了当前研究的历史、现状及未来发展趋势，特别是AI技术如何支持个性化学习并结合虚拟现实（virtual reality， VR）技术在麻醉学中的教学实践。文章旨在为麻醉学教育中的个性化学习路径设计与应用提供有价值的参考。

Abstract

With the rapid advancement of artificial intelligence (AI) technologies, the implementation of personalized learning approaches in medical education, particularly in Anesthesiology, has emerged as a significant area of research. As a high-risk discipline, Anesthesiology faces persistent challenges such as limited teaching resources and uneven student learning progress. The integration of personalized learning approaches offers innovative solutions to these issues. This paper reviews the application of personalized learning approaches in Anesthesiology teaching, examining the historical context, current developments, and future trends in the field. Particular emphasis is placed on how AI supports personalized learning and how it can be integrated with virtual reality (VR) technologies to enhance Anesthesiology training. The aim of this study is to provide valuable insights for the design and implementation of personalized learning approaches in Anesthesiology education.

关键词

人工智能 / 医学教育 / 麻醉学 / 虚拟现实 / 个性化学习

Key words

artificial intelligence / medical education / Anesthesiology / virtual reality / personalized learning

随着人工智能（artificial intelligence，AI）技术的快速发展，其在医学领域的应用日益广泛，尤其是在医学教育中展现出强大的赋能潜力^[1-2]。麻醉学作为保障患者在手术及各种有创操作中安全与舒适体验的关键学科，对医学生提出了理论扎实、操作精准和应变灵活的多重要求^[3-4]。然而，传统麻醉学教学模式在教学内容更新滞后、实践资源分配不均以及个体化指导缺失等方面，已难以全面满足当前医学教育高质量发展的需求。

个性化学习路径的提出，为解决传统教学模式下“千人一面”的问题提供了理论与技术支持。个性化学习强调以学生为中心，根据学习者的认知水平、兴趣取向和学习节奏动态调整教学内容与形式，从而提升学习效果与实际应用能力^[5]。在医学教育尤其是操作性极强的麻醉学教学中，个体差异对学习成效的影响尤为显著，推动教学方式从“标准化”向“个性化”转型，成为教育改革的重要方向。因此，探索支持个性化学习路径的技术手段，成为提升教学质量与培养临床胜任力的重要突破口。在此背景下，人工智能与虚拟现实（virtual reality, VR）技术的引入为个性化麻醉教学提供了新的实现路径。AI凭借在数据处理、模式识别和智能推荐等方面的优势，能够精准构建学习者画像，动态推送适配内容，优化学习路径，同时辅助教师进行教学策略调整与个体化反馈^[6-7]。VR技术则以其沉浸式、交互式的特性，在麻醉技能模拟与术中场景还原方面展现出独特优势，使学生能够在“仿真+个性化”的教学环境中反复训练、主动探索，弥补实践机会不足的痛点。两者协同应用，有望实现内容适配、节奏可调、反馈及时的智能化教学闭环，推动麻醉学教育进入更高质量的发展阶段^[8]。

综上所述，个性化学习路径的构建不仅契合麻醉学教学改革的现实需求，也顺应教育技术智能化、个性化的未来趋势。本研究拟围绕个性化学习在医学教育中的发展历程，系统梳理AI与VR在麻醉学个性化教学中的研究进展与实践路径，旨在为构建高效、智能、精准的麻醉学教育模式提供理论支撑与实践参考。

1 个性化学习在医学教育中的发展历程与研究现状

个性化学习（personalized learning）作为一种强调“以学生为中心”的教学理念，其核心是根据学习者的知识水平、认知风格、兴趣偏好和学习节奏，动态调整教学目标、内容与策略^[9]。随着技术的进步，个性化学习路径的制定方式也经历了由传统差异教学向基于数据驱动的智能适应系统的演进，逐步走向系统化与精细化。

1.1 个性化学习理论的演进：从差异教学到智能适应

个性化学习的理论起点可追溯至20世纪的“差异化教学”（differentiated instruction）理念，早期主要依赖教师经验与观察判断，针对学生差异做出教学内容上的适当调整^[10]。进入21世纪，随着教育技术的兴起，基于学习管理系统（learning management system，LMS）与计算机辅助教学（computer aided instruction，CAI）的个性化设计逐渐普及，推动了教育“个别化”和“自适应化”的趋势。

近年来，人工智能技术的发展，尤其是在机器学习、自然语言处理与学习分析领域的应用，为个性化学习带来了范式上的转变。以大数据驱动的“智能适应学习”系统，可以实时监测学习行为，建立学习者画像，实现教学资源的精准推送和路径动态优化。这种演进不仅使个性化学习更具操作性，也为复杂、高风险、高专业度的医学教育提供了理论与技术支持。

1.2 个性化学习在医学教育中的起步与代表性研究

医学教育因其复杂的知识结构和高度实践导向，成为个性化学习应用的重点领域之一。大量研究表明，在基础医学、外科学、急诊医学等学科中，基于个性化平台的教学能显著提升学生的学习主动性、成绩水平和临床技能掌握程度。例如，Firecracker、Osmosis等在线自适应学习系统已被应用于医学生学习过程中，系统可根据学习者掌握情况实时调整内容推送与学习进度，获得了良好反馈^[11]。其中，纽约大学格罗斯曼医学院开发的“DX Mentor”项目被认为是医学教育中个性化学习路径建设的代表性实践。该项目从多源数据库中自动提取相关文献、图表、视频与指南内容，定制个性化学习资源，构建起学习与临床实践的即时连接，显著提升了学习效率与知识应用能力^[12]。

在麻醉学领域，个性化学习的应用尚处于探索阶段，但已有初步实践成果。如有研究基于模拟训练系统，结合学生过往操作表现，构建差异化反馈机制，从而提升其气道管理、药物计算等关键技能的掌握效率^[13]。此外，也有项目通过结合个体知识薄弱点和错误类型，为学生推送不同难度的病例或情境，实现理论与操作的融合训练。

1.3 国内外个性化学习研究现状与趋势分析

在国际范围内，个性化学习已成为医学教育研究的重要方向之一。美国、加拿大、德国等国的医学院校广泛应用个性化学习平台，并积极将人工智能、虚拟现实等前沿技术引入教学过程中。例如，哈佛医学院使用AI驱动的学习分析系统实时监测学生进度，并自动推荐补充学习材料^[14]；瑞典卡罗林斯卡学院则在基础课程中融合个性化问答与案例推演系统，有效提升学生的自主学习能力和临床推理水平^[15]。

国内近年来在该领域也逐步展开探索，如部分高水平医学院已在基础课程中引入个性化作业平台，并在麻醉学、外科、护理等实践类课程中尝试利用虚拟仿真系统开展差异化教学训练^[16]。然而，总体而言，国内仍处于从“概念引入”向“系统实践”过渡的阶段，存在系统设计、评价标准、师资培训等方面的不足，仍需借鉴国际经验并结合本土实际持续推进。

总体来看，个性化学习在医学教育中的研究已从理论倡导走向系统实践，人工智能等技术的引入使其实现路径更加清晰和可控。未来，在技术成熟与教学理念更新的双重推动下，个性化学习有望成为医学教育的重要模式之一，特别是在实践性强、差异性大的麻醉学教学中具有广阔的应用前景。

2 AI与VR技术赋能个性化学习的研究进展

2.1 AI在医学教育中的应用历程与发展脉络

人工智能在医学教育中的应用可追溯至20世纪末期最早的智能教学系统（intelligent tutoring systems, ITS）。初期系统主要以专家知识库和规则引擎为基础，用于基础理论课程的答疑与作业辅导。随着大数据、机器学习和自然语言处理等技术的突破，AI逐步实现从被动辅助向主动干预转变。

当前，AI在医学教育中的核心应用包括学习者画像构建、内容推送优化、自动评分与反馈系统、虚拟患者与场景模拟等。例如，基于深度学习的教学系统可以根据学生的学习轨迹与测评结果动态调整学习资源，实现精准推荐；而AI驱动的自然语言问答系统也已用于基础医学课程中的智能辅导，显著提升教学互动性与效率^[17]。

在实践性教学方面，AI通过与虚拟仿真平台的深度融合，为高风险操作训练提供了可控、安全的模拟环境，使个性化学习在“理论—实践—反馈”循环中得以有效实现。

2.2 VR/AR在临床模拟教学中的研究与成果

VR和增强现实（augmented reality，AR）技术在临床技能培训中的引入，是医学教学由传统“观察—模仿—操作”模式向“沉浸—交互—反馈”模式转变的重要标志。VR技术可以构建高度仿真的临床情境，使学习者在虚拟手术室、麻醉操作台等环境中开展重复训练，提升操作熟练度与应变能力。研究显示，基于VR的模拟教学系统在外科、麻醉、急诊等学科中显著提高了学生的操作正确率与风险识别能力^[18-20]。心肺复苏、气道管理、腰麻穿刺等技术操作，已广泛采用VR平台作为基础训练工具，不仅提高了练习频率，也减轻了对真实患者的依赖。

在个性化教学方面，VR还可根据学习者的练习记录与行为模式，动态调整训练难度、提供分层指导，支持按需练习、智能评估与多样反馈。这种高适应性的特性使其与个性化学习路径理念高度契合。

2.3 AI与VR融合促进个性化学习的研究现状与案例

近年来，AI与VR技术融合应用于医学教育，构建了多个以个性化学习为核心的教学系统。此类系统通常包含4个核心环节。学习者画像构建：AI通过采集学生的学习行为、测验成绩、操作轨迹等多维数据，形成个体画像，为后续学习内容推送提供依据。自适应学习路径设计：系统基于画像匹配最适宜的学习模块，并结合VR平台，推送对应的模拟情景和技术操作训练。过程反馈与路径调整：AI可实时评估学生在VR中的操作表现，如手术步骤、用药剂量、反应时间等，并生成可视化报告反馈。闭环优化机制：结合反馈数据，系统自动调整学习难度和训练内容，教师也可基于反馈精准指导，实现“分析—反馈—调整—再学习”的闭环教学路径。例如，OARA（Operating and Anesthetic Reference Assistant）系统是一种集AI评分与模拟场景于一体的训练平台，能够根据学生在虚拟操作中的关键表现给出分项评价，并据此优化其后续训练路径^[21]。另有研究结合VR仿真与AI评分系统开展横断面研究，结果显示学生在技能掌握率、错误率与学习满意度等指标上均优于传统组^[22]。

总体来看，AI与VR技术的融合正逐步推动个性化学习由“实验探索”向“常规应用”转变，其在教学内容生成、学习策略推荐和技能评估反馈方面的协同作用，使医学教育在效率、质量与个体适应性等方面均实现显著提升。

3 麻醉学教学中AI和VR支持个性化学习的应用探索

3.1 麻醉学教学的专业特点与个性化教学需求

麻醉学教学强调临床知识、药理机制、生理调控与技能操作的紧密融合，对学习内容的掌握度与操作熟练度要求极高。然而，传统教学模式常存在“内容统一、节奏固定、反馈滞后”的问题，难以充分适应不同学生在知识基础、认知方式及操作节奏上的个体差异。此外，受限于手术室资源、患者安全与教学时间，学生获取高质量动手机会较少，临床实操经验往往不足。

在这一背景下，构建个性化学习路径显得尤为必要。通过引入AI与VR技术，不仅能够延伸学习场景与时间维度，还可以依据学生个体画像与阶段表现动态调整教学内容、训练频次与评估方式，满足差异化培养的现实需求，提升学生临床胜任力。

3.2 AI在麻醉教学内容生成与路径推送中的作用

人工智能技术在麻醉学个性化教学中的核心价值体现在“内容智能匹配”与“路径动态优化”两方面。AI系统可基于学习行为数据（如测试成绩、操作频次、错误类型等）构建学习者画像，进而精准识别学生的知识薄弱环节和技能盲区。基于此，AI可推送与其水平相匹配的学习任务、案例训练或模拟情境，避免重复学习或难度过大所带来的挫败感，真正实现“人—课—技”的精准匹配。

此外，AI还能动态追踪学生学习路径中的表现曲线，对学习策略进行实时微调。例如，当学生在模拟训练中出现多次同类错误，系统可自动调整训练计划，强化关键技能；或在学生达到一定操作熟练度后，逐步引入高阶任务与复杂病例，推动其能力层级递进发展。教师也可基于AI生成的可视化数据报告，及时干预和调整教学节奏，实现人机协同教学^[23]。

3.3 VR在麻醉操作训练与评估中的应用实例

VR技术在麻醉教学中的应用主要集中于关键操作流程的训练与应急情境的模拟。基于VR构建的三维交互式教学环境，能够高度还原临床操作场景，如气管插管、动静脉穿刺、腰麻穿刺、术中监测与药物管理等，学生可在零风险条件下进行反复练习，提升技能熟练度与心理应对能力。近年来，不少医学院校已将VR平台纳入麻醉基础课程与危机管理教学中。某些VR平台能够模拟从术前评估到术后复苏的全流程管理，涵盖多种麻醉药物使用策略与术中突发事件处置。学生在VR环境中接受实时语音提示与情境干预，强化临床思维与决策训练。研究表明，接受VR训练的学生在考核中表现出更高的操作准确率和问题解决能力，同时自评学习满意度与信心水平显著提升^[24-25]。这类以情境驱动的训练模式突破了传统操作课中“被动示范—尝试性模仿”的瓶颈，更有助于知识与技能的深度整合。

3.4 AI+VR协同支持下的代表性个性化教学模式与效果评估

在实践层面，AI与VR的深度融合已催生出多种个性化教学模型。例如，“智能虚拟麻醉病人平台”将AI的路径推送与VR的沉浸式操作相结合，允许学生在可变情境下与虚拟患者互动，系统根据其判断与操作行为生成评分报告并调整后续任务难度^[26]。另如OARA系统，能根据学生在模拟环境中的每一步表现，提供分项反馈，并提出优化建议，实现精准化学习闭环^[21]。在评估机制方面，这类系统通常采用“过程+结果”双向评估模式。一方面，通过AI分析操作轨迹、步骤准确性、反应时效等指标，量化学生表现；另一方面，结合学生自评、同伴互评和临床实操考核结果，全面评估其知识掌握、技能应用与临床思维能力。

多项研究已证实，接受VR+AI联合训练的学生在临床轮转中的操作失误率更低、应急处理能力更强、患者沟通与团队协作水平更高^[27-28]。这类融合型教学范式不仅可以提升教学效果，还能推动麻醉学从传统“经验传授”向“智能个性化指导”的教育模式转型，为未来医学人才培养提供了全新路径。

4 面临的挑战与未来发展方向

4.1 技术伦理与数据安全问题

个性化学习路径依赖于大量个体化数据的采集、分析与应用，其中涉及学习者的操作轨迹、知识掌握情况、行为反应和评估结果等敏感信息。这一过程中，如何确保学生数据的隐私安全、获得有效知情同意、避免数据滥用，已成为智能教学推广过程中必须优先考虑的伦理议题。同时，在AI参与教学推荐与评估反馈时，若算法设计存在偏差或推理逻辑不透明，可能对学生产生误导，甚至形成不公平的评价结果。此外，针对AI辅助系统在教学中出现失误或误判情况，目前仍缺乏明确的法律责任界定机制，亟需教育、医疗和信息监管机构共同制定合规准则^[29]。

为应对上述问题，应建立完备的数据保护制度与伦理审查流程，明确数据采集、使用、存储和退出机制，保障学生在教学数据使用中的选择权和知情权。同时，还需推动人工智能教学系统的可解释性研究，提升系统透明度与教育公信力。

4.2 教育公平与教师技术适应性的挑战

尽管个性化教学强调“因材施教”，但在技术资源不均和教师能力参差不齐的现实条件下，可能导致教育公平性问题的加剧。部分地区或院校缺乏资金投入和技术基础，无法普遍部署AI和VR系统，从而形成“技术鸿沟”；而部分教师对智能系统使用不熟悉、理解不深入，也会限制个性化教学的实施质量。此外，技术主导的教学模式重塑了教师的角色：由传统的知识传授者转变为学习引导者、反馈解释者与教学系统的调控者。这一角色转型要求教师不仅具备扎实的医学专业背景，还须掌握一定的教育技术素养，能够有效运用数据驱动教学策略。

为保障教学质量的均衡推进，应加强对教师的系统培训，包括AI平台使用、数据分析能力提升及VR环境操作等方面；同时，推动跨学科协同，建立医学教育者、计算机工程师与教育技术专家的合作机制，共同研发适配性强、操作简便的智能教学模块，降低技术使用门槛。

4.3 个性化路径与大规模教育之间的平衡问题

个性化教学强调差异化与定制化，而医学教育尤其是麻醉学教育仍面临大规模培养人才的现实任务。如何在保障教学质量与个体适配度的同时，实现教育模式的可复制性与大范围推广，成为智能个性化教学面临的一大难题。一方面，个性化路径的构建与管理对数据量、系统运算能力和平台维护提出较高要求，不易在资源有限的院校快速部署；另一方面，不同学生所需的路径与反馈机制可能千差万别，如何在教师指导与系统自动推送之间保持合理分工，也有待进一步优化。

未来的解决策略应包括：开发具备“个性化模版化”特征的教学路径，即在统一教学目标框架下，通过可调参数设计出适应不同层次学生的教学内容组合；同时建立“教师+AI”双轨制教学机制，让AI系统负责路径推送与初步反馈，教师负责路径监管与深度干预，兼顾效率与质量。

4.4 未来发展趋势与研究建议

展望未来，麻醉学个性化教学将在AI与VR持续发展、数据积累不断丰富的基础上，朝着智能化、精准化与协同化方向迈进。一是技术融合深化：随着多模态AI系统的发展，将实现文字、图像、语音与操作行为等多源数据的协同分析，进一步提升个体画像的精准度和路径推送的智能化水平；二是评估机制多维化：基于AI的过程性评价将与传统结果性考核互为补充，推动形成“表现+数据+行为”多维度学习评估体系；三是平台开放与互联：构建区域或国家层面的开放式医学教育资源库，实现VR教学内容、AI模型与教学反馈的共享，提升资源利用效率；四是研究持续深入：未来研究应更多聚焦个性化教学路径在不同教学阶段、不同学习者类型中的适用性，以及对学生临床能力形成、综合素养提升的长期追踪效果，形成系统性的证据支持。

综上所述，虽然AI与VR推动下的个性化教学在麻醉学教育中已展现出广阔前景，但其持续发展仍需在伦理规范、技术培训、教育公平与系统构建等方面不断深化探索与优化实践，为构建高质量、可持续的智能医学教育体系提供坚实支撑。

5 结束语

随着医学教育从“标准化培养”迈向“个性化发展”，基于AI与VR技术的个性化学习路径正逐渐成为麻醉学教学的重要发展方向。本研究围绕个性化教学的理论基础、技术支撑路径及实际应用场景，系统梳理了AI与VR技术在麻醉教学中的研究进展与实践模式，强调其在提升教学适应性、优化操作训练与增强学习成效等方面所展现的巨大潜力。通过构建学习者画像、推送定制化内容、模拟真实临床场景并提供动态反馈，AI与VR赋能下的个性化教学不仅弥补了传统麻醉教学中操作机会有限、反馈延迟、资源分配不均等结构性短板，更推动了“以学生为中心”的教学理念落地实施，促进了学生临床胜任力、自主学习能力与批判性思维的全面提升。

然而，个性化教学的推广仍面临多重挑战。技术层面亟须解决智能系统与教学内容的深度融合、平台稳定性与开放性问题；伦理与法律层面则需明确数据使用规范、评估公正性与责任归属机制；教育实践层面还需强化教师技术适应能力，推动教学角色的重塑与跨学科协作的机制建设。展望未来，个性化教学在麻醉学教育中的进一步深化有赖于多方协同努力：一是持续推动AI与VR技术的集成优化，提升教学系统的智能化水平；二是完善伦理与数据保护体系，筑牢教育创新的规范基础；三是构建面向全体教师的能力提升体系，增强其在个性化教学中的技术应用与教学设计能力。

总之，个性化学习路径的构建不仅是教育技术革新的体现，更是推动医学教育高质量发展的关键环节。在AI与VR等先进技术的支持下，麻醉学教育正迈向更加智能、精准和灵活的新时代，有望为新一代医学人才培养注入持续动力。

参考文献

[1] SUN L, YIN C H, XU Q L, et al. Artificial intelligence for healthcare and medical education: A systematic review[J]. American Journal of Translational Research, 2023, 15(7): 4820-4828.

[2] PUPIC N, GHAFFARI-ZADEH A, HU R, et al. An evidence-based approach to artificial intelligence education for medical students: A systematic review[J].PLoS Digital Health, 2023, 2(11): e0000255.

[3] 宋丽莉, 赵松, 张宏伟, 等. 翻转课堂对临床麻醉课程的实践教学效果[J]. 中国继续医学教育, 2019, 11(12): 37-39.

[4] 顾晓霞, 陈志远, 莫桂熙, 等. 混合式教学模式在临床麻醉学教学中的应用效果研究[J]. 西部素质教育, 2022, 8(21): 25-28.

[5] 赵宇博, 张丽萍, 闫盛, 等. 个性化学习中学科知识图谱构建与应用综述[J]. 计算机工程与应用, 2023, 59(10): 1-21.

[6] DAVE M, PATEL N. Artificial intelligence in healthcare and education[J]. British Dental Journal, 2023, 234(10): 761-764.

[7] KASAPOVIC A,ALI T, BABASIZ M,et al.Does the information quality of ChatGPT meet the requirements of orthopedics and trauma surgery?[J]. Cureus, 2024, 16(5): e60318.

[8] 王宜衡, 杨欢, 汤文嫱, 等. 虚拟现实与增强现实技术在麻醉学教学中的应用[J]. 中国医学教育技术, 2021, 35(6): 673-680.

[9] WONG P C M, VUONG L C, LIU K. Personalized learning: From neurogenetics of behaviors to designing optimal language training[J]. Neuropsychologia, 2017, 98: 192-200.

[10] TOMLINSON C A. The differentiated classroom: Responding to the needs of all learners[M]. Commonwealth of Virginia: Association for Supervision and Curriculum Development, 2014.

[11] TAN C X, HAN R J, YE R G, et al. Adaptive learning recommendation strategy based on deep Q-learning[J]. Applied Psychological Measurement, 2020, 44(4): 251-266.

[12] American Medical Association. How ChatGPT could help medical students learn on the fast track[EB/OL]. (2023-11-17)[2024-04-18].

[13] 冯朝燕, 闵祥德. 人工智能在医学教育中的应用进展[J]. 中国社区医师, 2023, 39(11): 5-7.

[14] 邢园园, 钱玲. 美国一流大学应对人工智能教学应用的改革行动与反思[J]. 开放教育研究, 2025, 31(2): 24-35.

[15] WEINER C K, SKÅLÉN M, HARJU-JEANTY D, et al. Implementation of a web-based patient simulation program to teach dental students in oral surgery[J]. Journal of Dental Education, 2016, 80(2): 133-40.

[16] 王娇, 王秀清, 王慧敏, 等. 虚拟仿真实验教学平台在临床实践教学中的应用[J]. 中国高等医学教育, 2023, (11): 116-117.

[17] 何茂章, 王姝妹, 丁瑞培, 等. 基于新医科与AI技术融合的医学教学模式探讨[J]. 湘南学院学报(医学版), 2024, 26(3): 63-66.

[18] 王文军, 杨义帆, 叶青, 等. 基于虚拟现实技术的院外急救器材教学训练系统设计与应用[J]. 空军军医大学学报, 2025, (3): 1-9.

[19] 戚晓通, 刘锦源, 沈小杨, 等. 网络虚拟TEE模拟器在心脏外科和麻醉科规范化培训超声教学中的应用[J]. 科技视界, 2017, (14): 11-12.

[20] MISTRY D, GEEVARUGHESE S, BROCK C A, et al. Utilizing a virtual reality matrix in medical education[J]. Cureus, 2024, 16(8): e66446.

[21] GUTHRIE E, LEVY D, del CARMEN G. The operating and anesthetic reference assistant (OARA): A fine-tuned large language model for resident teaching[J]. American Journal of Surgery, 2024, 234: 28-34.

[22] HAIDER S M, FATIMA N, ABBAS M H. Perception of simulation and virtual reality (VR) in surgery in the public sector tertiary care teaching hospitals of Southern Punjab, Pakistan: A cross-sectional survey[J]. Cureus, 2025, 17(2): 1-9.

[23] SONG B, ZHOU M, ZHU J. Necessity and importance of developing AI in anesthesia from the perspective of clinical safety and information security[J]. Medical Science Monitor, 2023, 29: e938835.

[24] 陈绪龙, 王强, 李涛. 虚拟现实和增强现实技术在泌尿外科临床教学中的应用价值[J]. 黑龙江教育(理论与实践), 2025, (1): 54-58.

[25] 董静宇, 王闻渤, 刘婕婷, 等. 元宇宙应用于麻醉学教学的探索与思考[J]. 中国医学教育技术, 2024, 38(4): 448-451.

[26] ZHENG T, XIE H, GAO F, et al. Research and application of a teaching platform for combined spinal-epidural anesthesia based on virtual reality and haptic feedback technology[J]. BMC Medical Education, 2023, 23(1): 794.

[27] LIAW S Y, TAN J Z, RUSLI K D BIN, et al. Artificial intelligence versus human-controlled doctor in virtual reality simulation for sepsis team training: Randomized controlled study[J]. Journal of Medical Internet Research, 2023, 25: e47748.

[28] FAZLOLLAHI A M, BAKHAIDAR M, ALSAY-EGH A, et al. Effect of artificial intelligence tutoring vs expert instruction on learning simulated surgical skills among medical students: A randomized clinical trial[J]. JAMA Network Open, 2022, 5(2): e2149008.

[29] PODGORICA N, PJETRI E, MÜLLER A W, et al. Identifying ethical and legal issues in elder care[J]. Nursing Ethics, 2021, 28(7/8): 1194-1209.

基金资助

甘肃省自然科学基金(23JRRA0980)

兰州大学第二医院“萃英科技创新”计划(CY2022-QN-B01)

兰州大学第二医院“萃英科技创新”计划(CY2024-MS-A08)

兰州大学第二医院“萃英学子科研培育”计划(CYXZ2024-22)

兰州大学第二医院教育教学改革研究资助项目(DELC-202420)