DeepSeek赋能病理学教学改革探索

Exploration of Pathology teaching reform empowered by DeepSeek

摘要

随着人工智能大模型DeepSeek的广泛应用，高等医学教育领域也开始使用DeepSeek开展创新性教学改革。通过在高等医学本科院校病理学教学中引入DeepSeek，探索DeepSeek在整合教学资源、开展个性化学习指导及辅助考试等教学活动中的作用。本研究在建立人工智能辅助学习平台的基础上，开设了虚拟病例教学，创建动态病理题库，进行创新性教学实践，总结了DeepSeek在病理学教学改革中的应用效果。实践表明，在病理学教学过程中引入DeepSeek能够显著丰富教学手段，提高教学效率，提升教学效果。但是，在应用DeepSeek的过程中有些问题值得我们重点关注，如数据的准确程度、隐私的保护情况以及学生是否过度依赖人工智能等。针对这些问题，本文从加强数据的规范化管理、完善伦理的审核制度、建立人机协作教学模式等方面提出了应对措施，为病理学的智能化教学改革提供借鉴，推动高等医学教育的创新发展。

Abstract

With the widespread application of DeepSeek, a large-scale artificial intelligence model, the field of higher medical education has begun to adopt it for innovative teaching reform. This study introduces DeepSeek into Pathology teaching in undergraduate medical education, exploring its role in integrating teaching resources, providing personalized learning guidance, and assisting in examinations. Based on an AI-assisted learning platform, the study implements virtual case teaching, develops a dynamic pathology question bank, and conducts innovative teaching practices, ultimately summarizing the effectiveness of DeepSeek in Pathology teaching reform. The results demonstrate that integrating DeepSeek into Pathology teaching can significantly enrich instructional methods, improve teaching efficiency, and enhance learning outcomes. However, certain issues require attention during its application, such as data accuracy, privacy protection, and potential over-reliance on AI by students. To address these challenges, this paper proposes countermeasures, including strengthening standardized data management, improving ethical review systems, and establishing a human-AI collaborative teaching mode. These recommendations aim to provide insights for the intelligent transformation of Pathology teaching and promote the innovative development of higher medical education.

Graphical abstract

关键词

DeepSeek / 病理学教学 / 医学教育技术 / 人工智能

Key words

DeepSeek / Pathology teaching / medical education technology / artificial intelligence

病理学作为基础医学与临床医学之间的桥梁学科，在医学教育中具有重要的地位。医学生只有全面掌握疾病的发生机制与病理变化过程，才能在未来的临床工作中做出更为精准的诊断。传统的病理学教学模式主要以课堂讲授、教材学习及实验观察为主，随着现代医学教育的发展，传统教学模式的局限性逐渐凸显。灌输式教学难以调动学生学习的积极性和主动性，教材的更新速度常常落后于学科的发展进度，实验教学也受标本资源和设备配置的制约，这使得传统的病理学教学模式越来越难以满足学生深入学习病理知识的需求。在高等医学教育领域持续探索创新的环境下，人工智能技术的融入为各学科教学带来了新的变革契机^[1]，人工智能技术的突破性发展为医学教育带来了新的机遇^[2]，以DeepSeek为代表的先进人工智能模型^[3]，凭借其强大的信息处理能力与知识整合能力，在高等医学教育领域发挥着重要的作用。将DeepSeek引入病理学教学，不仅能为学生构建个性化的学习平台，还能辅助教师优化教学资源配置，创新教学方法，最终实现教学质量的全面提升。

1 DeepSeek的技术特性与教育应用前景

1.1 DeepSeek大模型简介

DeepSeek是目前国内开发的基于深度学习算法具备强大的语言理解和生成能力的人工智能大模型^[4]。DeepSeek通过对海量数据的训练，精准分析用户提出的各种问题，并根据人机对话生成逻辑严密、内容详尽的解答。这种技术优势使其在知识解答、学习辅导、内容创作等方面展现了卓越的性能^[5]，将DeepSeek引入教学，为高等医学教育的智能化奠定了坚实的基础。

1.2 DeepSeek在高等医学教育领域的应用潜力

将DeepSeek引入高等医学教育领域具有重要的意义。教师可以利用学生对知识的掌握程度、学习习惯、兴趣点的不同，将DeepSeek打造为智能助手，实施个性化学习。对于病理基础较为薄弱的学生，DeepSeek先推送简单易懂的知识讲解视频，根据知识点进行有针对性的答疑，实现逐步加深学生对知识要点的认知和掌握；对于学习能力较强、有一定学习主动性的学生，则可以推送更多学术前沿论文和研究成果，创建“基础-科研-临床”三位一体的知识拓展模式。通过DeepSeek建立24小时助学平台，充分利用其智能答疑、个性化学习路径设计、资源推荐等功能^[6]，在平台随时进行答疑解惑；通过平台的反馈可以帮助学生查找自身学习中的疏漏，实现对学习重点难点的突破。教师还可以利用DeepSeek生成丰富的教学资源^[7]，如临床虚拟病例、动态课件、知识图谱、练习题库、可视化教材等，既丰富了教学内容，又增加了课程趣味性，全方位助力病理学的创新教学。

2 DeepSeek赋能病理学教学改革的核心优势

2.1 个性化学习体系的构建

病理学涉及的知识点繁多，内容复杂，学生在学习过程中的差异性较大。DeepSeek可以通过对每个学生掌握知识的情况和各自的学习风格^[8]进行精准评估，包括学习时长、互动次数、答题情况等数据，在此基础之上为学生制定个性化的学习路径^[9]，从而对学生的学习轨迹进行分析。根据不同学生的学习状态，有针对性地推送发病机制的动画演示、病理过程的图文讲解、对应习题、相关的科研文献及临床案例诊断分析等教学资源，满足学生学习不同层次知识点的需求。以因材施教的模式，实现从“标准化教学”向“个性化培养”的转换。

2.2 教学资源的智能化升级

传统的病理学教学资源有限，教材内容更新周期较长、标本增补的速度慢、相关的教学临床案例少，以致于无法满足与时俱进的病理学教学需求。DeepSeek的引入可以有效解决这一难题。通过DeepSeek强大的信息获取与整合能力，教师可以实时获得前沿科研成果、罕见病例报告、新型诊断技术等最新的病理学相关资料^[10]，并随时将这些资源融入教学过程。例如，在讲授肿瘤章节时，可以借助DeepSeek搜索最新的靶向治疗研究成果，找到文献的同时利用DeepSeek快速进行文献归纳总结，拓宽学生的科研学术视野。学生还可以自己检索相关内容，在加深理解和掌握肿瘤相关知识的同时，获取感兴趣的学习资料。另外，教师还可以结合教学目标与教学内容，利用DeepSeek生成临床虚拟仿真病例，把相关的病情或诊断要素融入虚拟病例，为学生提供一个接近真实的临床实践环境和锻炼机会，有效提高学生的岗位胜任力。

2.3 辅助病理学实验教学

病理学实验是病理学教学中的重点和难点，学生若想学好病理学实验需要具备扎实的理论基础。随着大语言模型和大数据技术的不断发展^[11]，传统医学实验教学方式需要创新 ^[12]。DeepSeek通过学习大量的临床病理图片和诊断报告，可以辅助病理学实验教学^[13]，使病理学实验教学不再局限于实验室内有限的图片和标本，而是与临床诊断密切结合，不断地引进临床标本用于实验教学。DeepSeek通过对病理图片的分析，标记出需要学生掌握的病变区域，描述需要掌握的知识要点，建立标准化的实验教学数据库^[14]。在实验教学过程中，教师可以在讲完实验室里基本的标本之后，向学生提供临床收集的典型的新标本，引导学生观察并讨论，同时利用DeepSeek辅助识别，最终将学生的讨论结果、DeepSeek给出的鉴别诊断与临床诊断报告放在一起进行对比分析，帮助学生更好地理解不同疾病的病理特征和诊断要点，培养学生的临床思维和应用能力^[15]。

3 DeepSeek在病理学教学中的应用探索实践

3.1 基于DeepSeek的在线学习平台构建

我们使用网络云端服务器（“硅基流动”结合“Cherry Studio”）搭建基于DeepSeek的在线学习平台。学生在学习病理学的过程中随时向DeepSeek提问，获取实时解答。例如，学习“炎症”这一章节时，有些学生对炎症细胞的浸润机制掌握得不理想，就疑难问题向DeepSeek提问，DeepSeek既可按照教材内容按部就班地解答，也可以结合形象的例子进行讲解，指导学生理解和掌握相关知识点。同时，根据学生在章节单元测试中的成绩，为不同的学生推荐个性化学习内容，实现病理学的个性化教学。例如：学生A在测试中关于炎症介质的相关知识点得分较低，平台就会为其推荐详细讲解炎症介质作用机制的视频课程链接、针对性的练习题以及相关的拓展阅读材料；而学生B整体知识掌握较好，但对炎症的转归部分理解得不够深刻，平台就会为其推荐炎症相关的科研论文，探讨不同疾病中炎症转归的差异。平台还可以根据学生的学习进度规划学习路径。当学生完成炎症内容的学习之后，平台会根据学生的学习情况推荐下一章（如肿瘤）的基础资料，包括讲解基本概念的视频链接、简单练习题等，帮助学生循序渐进地学习病理学知识。

3.2 虚拟病例教学

在消化系统疾病的教学中，我们开展了虚拟临床病例教学实践。以“胃癌”为例，可利用DeepSeek初步生成病例。对DeepSeek输入提示词：“请以病理学教师的身份，生成一份关于胃癌的病例”，生成的病例如表1所示。

所生成的虚拟病例需要通过以下环节进行专家审核（如图1所示）。

当试题经过专家审核通过后，发布给学生，组织学生分组讨论该病例的诊断依据、鉴别诊断以及临床病理联系等。教师在一旁引导学生思考，并利用DeepSeek提供的专业知识支持，对学生的讨论结果进行点评和补充。在讨论过程中，学生之间出现了不同意见，有的学生认为是胃溃疡，有的认为是胃癌。教师借助DeepSeek展示溃疡型胃癌与良性胃溃疡在病理特征上的详细区别。例如，使用DeepSeek生成溃疡型胃癌与良性胃溃疡病理特征区别的图片，在图片中呈现细胞形态对比图（如癌细胞核大、深染，良性胃溃疡细胞形态相对规则等描述及配图）、组织结构对比图（如癌细胞排列紊乱，良性胃溃疡组织结构相对完整等描述及配图），包括细胞形态、组织结构等方面的差异，帮助学生明确诊断要点，最终得出正确的诊断结论。通过虚拟病例教学，使学生对胃癌和胃溃疡的病理知识有了更深刻的理解，在临床思维和团队协作能力方面也得到了锻炼。从后续的知识小测试结果来看，参与虚拟病例教学的学生在相关知识点的答题正确率上，比未参与的学生明显提高。

3.3 病理图片分析赋能教学

在病理实验教学版块，教师可以依托DeepSeek搭建数字化实验教学辅助平台。当教师完成基础理论知识的讲解及典型标本的全方位展示后，从临床病理科的真实病例中精心筛选出具有代表性的病理图片（如HE染色、免疫组化及特殊染色标本等），让学生观察这些图片后，结合理论知识进行综合分析，尝试从图片中总结关键病理信息；与此同时，教师利用DeepSeek的图像分析功能，对同一张病理图片深度剖析，迅速生成诊断参考，并给予详细的解释说明，涵盖该疾病的成因、发病进程等。学生将自己的分析结果与DeepSeek给出的结论进行对比，找出差异，积极开展讨论。以“乳腺癌”教学为例，教师向学生展示乳腺癌的高清病理数字切片，学生观察后提出各自的看法，给出初步诊断。接着利用DeepSeek对该切片进行深度分析，给出诊断参考及相关解释，帮助学生对比学习癌细胞与正常乳腺组织的细胞形态。有的学生在观察切片时，觉得癌细胞的形态特征不明显，难以作出准确判断。而DeepSeek在分析结果中清晰地标识癌细胞的特征区域，并详细描述了癌细胞的形态结构特点，如癌细胞核增大、核仁明显、细胞大小不等、形态各异等，同时将其与正常乳腺组织的细胞形态加以对比。通过这样直观的对照，学生能够意识到自己对癌细胞特征的掌握不够精准，对乳腺癌的病理特点也有了更为深刻的认识。从学生课后的反馈情况来看，大部分学生表示，借助DeepSeek进行病理图片分析的辅助教学方式，有助于其更好地理解疾病的病理特征，从而提升其对病理学实验课的学习兴趣。

3.4 DeepSeek辅助病理学题库建设

在病理学题库建设方面，传统病理学题库的题目形式较为单一，主要围绕教材知识点进行简单设问。DeepSeek可凭借其强大的语言处理能力和对海量知识的整合能力丰富题目类型与内容，生成多样化的题目。我们要求DeepSeek根据真实临床案例编写试题时，只需要向DeepSeek输入指令，比如“请以病理学教师的身份，结合临床病例资料，出一道关于乳腺癌的病理学试题，题型为病例分析题。要求语言表达精确。”DeepSeek深度思考后生成试题是：“患者，女，52岁，因发现右侧乳房肿块2个月入院。无疼痛，无乳头溢液。近2个月肿块逐渐增大。体格检查：右乳外上象限触及一约3cm×2cm肿块，质硬，边界不清，活动度差。右腋窝触及一枚肿大的淋巴结，质硬，活动度尚可。辅助检查：超声示右乳外上象限低回声结节，边界不清，内部可见血流信号；右腋窝淋巴结肿大。钼靶示右乳外上象限可见一不规则高密度影，边缘毛刺状，可见细小钙化灶。提问：（1）请根据病例资料，给出最可能的诊断，并说明依据；（2）为明确诊断，应进行什么检查；（3）该病的病理类型有哪些，其中最常见的是什么；（4）简述该病的转移途径。”这道题包含了乳腺癌的诊断、检查、病理类型、转移途径等内容，综合考查学生对乳腺癌病理学知识的掌握程度。此外，可利用DeepSeek在题目中融入病理学最新的科研成果，锻炼学生的科研思维。

为优化题目质量，可以让DeepSeek在学习病理学相关教材和文献后对题目进行检查分析，对题目中语句不通顺、叙述有歧义、知识点错误等问题给出更恰当的表达建议。例如，原题目“肿瘤的生长方式对机体有哪些影响”，经DeepSeek深度思考与润色之后，建议修改为“肿瘤常见的生长方式有哪些，不同的生长方式对机体有何影响，请举例说明。”修改之后，题目表述得更为完整。DeepSeek在审核题目时还能评估题目难度，通过分析题干及备选答案中涉及的知识点数量、复杂程度、干扰选项的质量及解题所需的思维等因素，把题目划分为简单、中等及困难三个级别，为教师组卷提供依据，确保试卷难度合理，既能考查学生对基础知识的掌握程度，又能区分出不同学生的学习水平，即保证试卷的信度和区分度。

在建设好题库之后，还可以借助DeepSeek进行智能组卷，教师只需要设定章节范围、题型、难度、试题数量等参数，即可快速生成符合要求的试卷。在学生考试结束后，根据学生的考试成绩，生成试卷分析报告，对试题质量及考试结果进行全面分析，查找试卷的不足之处的同时找出学生学习过程中的薄弱环节，帮助学生掌握重点，攻破难点，加强对相应知识点的熟悉程度。

为了提高考试内容的时效性，病理学题库需要不断地更新和维护。这一点可借助DeepSeek完成。DeepSeek通过实时关注病理学的学科动态，掌握最权威的病理学临床和科研资料。当新的病理学研究成果出现，比如新的肿瘤标志物的发现等，DeepSeek就会及时将相关知识点融入到题目中，让学生学到最新的病理学知识。

4 DeepSeek赋能病理学教学面临的挑战与应对策略

4.1 面临的挑战

DeepSeek的强大功能依赖于大量高质量的数据。但是，其收集的数据难免会出现不准确、不完整或者过时的情况，从而影响其提供答案的规范性。例如，病理学教材中的“纤维素”，现已统一更新为“纤维蛋白”，但是搜索的结果有时候仍出现两者混用的情况。在病理学案例的辅助教学中，会用到患者的临床病理数据，这些数据中有的可能涉及患者的隐私，所以在应用DeepSeek辅助教学的过程中，需要对患者资料的安全性和隐私性进行严格的保护。此外，DeepSeek虽然具有强大的语言处理能力，但作为人工智能模型，缺乏真正的临床病理诊断经验，在对一些疑难的临床病理病例进行分析时，其提供的建议可能存在误差，因此无法完全替代病理教师的专业指导。如果学生学习过程中过度依赖DeepSeek，还可能造成自主学习能力不足、临床实践能力缺失等情况。

4.2 应对策略

病理教研室和临床病理科需要建立完善的数据管理方案，对使用的DeepSeek的数据进行严格筛选验证，确保数据准确可靠。同时采用加密技术和权限设定等手段加强患者资料隐私保护措施，确保患者隐私资料的安全。在使用临床病例前务必要完成相关伦理的审核工作。在教学过程中教师要充分发挥指导作用，指导学生正确认知DeepSeek并合理使用。告诫学生遇到疑难问题时应先进行独立思考再求助AI工具，避免过度依赖DeepSeek。对于DeepSeek提供的信息，教师需要认真甄别并引导学生多角度多层次的深入思考，鼓励学生通过多途径查阅专业文献以验证DeepSeek提供的内容。通过对不同来源资料的对比学习，学生不仅加深了对病理学知识的理解，还能培养其自主学习的能力和批判性思维。

5 结束语

DeepSeek是我国自主研发的可用于多个领域的人工智能大模型，在病理学教学改革中引入DeepSeek可以提供多种创新教学路径，包括整合教学资源、辅助个性化学习及开展数字化病理实验教学等。在利用DeepSeek建立AI助学平台的基础之上，开设虚拟仿真病例教学、病理图片分析系统辅助实验教学、动态化智能命题等可以多维度提升病理学教学质量。但是，在DeepSeek应用的过程中可能存在着部分数据准确度不高、患者隐私保护不足、学生过度依赖AI等一系列问题。这些问题可以通过加强数据的规范化管理、重视伦理的审查制度、引导学生合理使用AI等措施来解决。随着人工智能技术的不断发展，DeepSeek的潜能会被充分地发掘并在未来的病理学教学中发挥着重要的作用，从而助力病理学教学的创新改革，推动我国高等医学教育取得更多的成果。

参考文献

[1] 钟金晶, 钱竞予, 杨妍瑾, 等. ChatGPT在病理学本科教学中的应用与挑战[J]. 基础医学教育, 2024(11): 986-990.

[2] 李辉雁, 王海波, 匡铭. 人工智能赋能医学人才培养和教育教学改革: 中山大学的实践与探索[J]. 高校医学教学研究(电子版), 2024(3): 8-13.

[3] 孔海丽, 赵云帆. DeepSeek改变AI未来: 最应该关注的十大走向[N]. 21世纪经济报道, 2025-02-07(11).

[4] 宋爽.DeepSeek: 很多惊叹, 更多惊喜[N]. 人民日报海外版, 2025-02-06(2).

[5] 张立峰. 乐见DeepSeek持续走红[N]. 四川日报, 2025-02-06(7).

[6] 曾晶晶, 莫伟嘉, 杜秀芳, 等. 人工智能在病理学在线教学中的应用[J]. 中国卫生产业, 2024(15): 160-163.

[7] 何茂章, 刘承忠, 丁瑞培. 人工智能融入医学微生物学教学的现状与前景[J]. 基础医学教育, 2024(4): 323-329.

[8] 柳兴源, 李菁媛, 孔雯聪, 等. 人工智能在病理学中的应用和思考[J]. 继续医学教育, 2023(10): 145-148.

[9] 王珍珍, 向巴卓玛, 赵岩松, 等. 以ChatGPT为代表的大型语言模型在医学教学中的应用[J]. 医学教育管理, 2024(6): 692-697.

[10] 庄舒婷, 袁明洲, 林信富, 等. 生成式人工智能在病理生理学基于案例/问题教学中的应用探讨[J]. 中国当代医药, 2024(34): 114-118.

[11] 郑婉婷, 邢彦, 孙世仁, 等. ChatGPT在医学教育领域应用的优势与劣势[J]. 中国继续医学教育, 2024(23): 158-162.

[12] 饶玉良, 徐辉, 张亚东, 等. 数字化背景下基础医学教学全景实验室建设的思考[J]. 中国医学教育技术, 2024(6): 699-703.

[13] 万君, 杨倩颖, 祖文玲, 等. 基于人工智能的数字病理教学平台[J]. 教育教学论坛, 2019(37): 123-124.

[14] 笪倩, 阮淼, 费晓春, 等. 人工智能在乳腺癌病理诊断中的应用及研究展望[J]. 外科理论与实践, 2024(5): 389-395.

[15] 李新民, 卢蕴容. 人工智能赋能医学教育[J]. 中国高等医学教育, 2024(9): 1-3.

基金资助

2023年中华医学会教育技术分会、全国医学教育发展中心一般项目(2023B336)

中国医科大学关于2023年度本科教学改革研究项目(YDJG20230114)

2024年中国教育发展战略学会终身学习专委会“1+X”专项课题(ZK202413)

辽宁省教育厅2021年度辽宁省普通高等教育本科教学改革研究一般项目(JGLXB2021016)