专门用途外语教学及其研究状况，是衡量一种语言作为外语教学成熟与否的重要标准
[1 ] 。随着我国“走出去”“引进来”政策的大力推进，医学专业汉语教学正逐步被提上日程。作为专门用途汉语（Chinese for special purpose，CSP）的一个重要分支，医学汉语的需求与日俱增。然而，相较其他专门用途汉语的研究，医学汉语的体系标准建设与研究、教材、教辅材料的数量仍有待提高，医学汉语教学资源仍处于相当紧缺的状态。目前，医学汉语的研究主要关注现有教材编写
[2 -3 ] 、教材分析
[4 -5 ] 、教材对比
[6 ] 与国别化
[7 ] 等具体应用，鲜有谈及医学汉语的话题、任务等总体框架设计
[8 ] ，教学资源构建总体缺乏活力。2020年11月，《医学汉语水平考试大纲》（以下简称大纲）的出台，标志着医学汉语逐步进入标准化阶段
[9 ] 。然而，仍然无法改变医学专业知识门槛高、语言教师难以与医学研究者展开教学资源共建的现实问题。
2022年末，ChatGPT开放公测，为借助生成式人工智能拓展人类知识边界提供了可能，也为人机协作构建医学汉语教学资源带来了契机。“充分应用人工智能技术为国际中文教育高水平发展赋能”
[10 ] ，运用生成式人工智能工具，高效、大量构建多模态、交互式、定制化教学资源
[11 -12 ] 将有助于降低医学汉语教学资源构建门槛，促进语言教师与医学研究者深度合作。本文通过查阅医学专业词典
[13 ] 并咨询相关专家，对《医学汉语水平考试（MCT）大纲》进行了深度剖析。借助大规模医学问答（QA）语料，构建了一套医学汉语“话题—词汇”体系
[14 ] ，并基于此数据优化大模型提示词，从而实现提高大模型医学汉语教材文本资源的输出质量，达到与专家撰写资源基本一致的效果。结合对AI生成资源的系统性评测，证明了技术赋能医学汉语资源构建的有效性。
1 大纲基本情况与词汇分类原则
1.1 大纲基本情况
1.1.1 编制背景与权威性
《医学汉语水平考试（MCT）大纲》主要由教育部中外语言交流合作中心（简称语合中心）、汉考国际联合华中科技大学、天津医科大学、大连医科大学、北京中医药大学等院校专家团队联合编撰，并于2020年11月出版发行，是我国医学汉语领域针对来华留学生专业汉语水平进行测试的第一套权威标准。大纲主要面向“引进来”与“走出去”两类人群，即国外来华医学专业留学生、在中国境内以汉语进行临床诊疗的汉语非母语医护工作人员以及在中国境外用汉语进行医学专业学习的学生。
1.1.2 内容结构
大纲内容主要涵盖了大纲部分（考试介绍、等级标准、话题大纲、任务大纲、专业词汇大纲）与样卷部分（考试要求及流程、样卷、答题卡、样卷听力、样卷答案）。内容以宏观描述与标准指导为主，其中，等级标准将医学汉语水平考试分为三级，即：
MCT一级 能够大体理解与医院日常交际场景相关的基本语言材料，能够就病情简单进行交流与沟通，能够简单对病情的基本情况进行描述。汉语水平基本能够满足医院实习要求，医学专业词汇量400左右。
MCT二级 能够基本理解与医院日常交际场景相关的较为具体的语料，能够就病情进行复杂交流与沟通，能够对疾病主要情况进行具体描述。汉语水平能够总体满足医院实习要求，医学专业词汇量800左右。
MCT三级 能够完全理解医院日常交际场景的绝大部分语料，能够就病情进行复杂的交流与沟通，能够对疾病的整体情况进行详细描述。汉语水平完全满足医院实习要求，医学专业词汇量1500左右（即能够基本完全习得大纲词汇）。
话题大纲介绍了医学汉语所需要完成的语言交际场景，主要包括“医生—医生”“医生—患者”“医生—护士”“患者—护士”四种；任务大纲则简要介绍了医学汉语交际所需要完成的主要任务，包括病史采集、体格检查、疾病诊断、临床操作、治疗方案商讨、诊疗计划制订、疾病预防与人际交往八种交际目标，但并未涉及具体场景的话题与任务；词汇大纲部分共包含1531个医学常用词语（同一专业名词有两个或以上叫法分别计算），涵盖了疾病、症状、药物、诊疗方法、人体部位、医学场景下的日常交际用语等多个方面，词汇大纲部分标注了词性与拼音，但未标注相关的注解、翻译、分类与难度信息。
1.1.3 考试样卷设计
大纲还包括一套医学汉语水平测试样卷，考试时长为125分钟，总分300分，分为听力、阅读、写作三个部分，各100分。听力部分包括听句子判断正误、听对话与听短文进行单选四个部分共三种题型。阅读部分包括完形填空、语段阅读、报告阅读、短文阅读四种题型。写作部分则是根据相关医学材料报告进行应用文写作。绝大部分听力、文字材料也均围绕患者病症展开，试卷的问题也基本围绕患者的病症为核心，涉及患者情况、病症诊断、治疗措施、治疗效果、医嘱建议等。整个考试的设计涵盖了书面考试所能涉及的“听、读、写”三大语言要素。
1.2 大纲词汇分类原则
1.2.1 分类逻辑与依据
大纲中的1531个词汇可以分为三类，即“疾病与症状术语”“其他医学专业术语”“医学日常交际词语”。根据大纲自身对等级标准描述，MCT考试主要针对“就病情进行交流与沟通”“对疾病状况进行描述”等交际任务展开，因此“疾病与症状术语”毫无疑问是医学汉语教材资源构建的核心话题。在大纲中，疾病与症状术语共有479个（示例见
表1 ，下同）。该类术语主要包括疾病名称，如癌症、白血病等，常见症状名称包括颤抖、恶心、口臭、（呼吸）急促、烦躁不安等。同时也囊括一部分虽然不直接表示某种疾病，但与特定疾病伴生的现象，如结节一般指的是皮肤大小、形状、颜色不一的隆起的皮肤损害，绞窄性一般指肠梗阻的一种类型，断端一般指骨折断裂的位置，相关疾病有断端移位等等。比较特殊的例子是与生育相关的分娩、怀孕、妊娠等词，虽然这些词汇不属于“疾病”的范畴，但也需要现代医学进行辅助以保证生命安全和生理过程的顺利进行，是医学汉语中经常谈到的话题，因此也放在了疾病与症状一类。对于一些常用外来语缩写表示的疾病名称，如弥散性血管内凝血（disseminated intravascular coagulation， DIC）、骨质疏松症（osteoporosis， OP）则同时保留其中文名称与外文缩写。
围绕病情与症状，医生需要对相应身体部位进行检查、制定相应的治疗对策、开具相应的药品，故而除了“疾病与症状术语”之外，“其他医学专业术语”通常紧密围绕疾病与症状话题，具有协助话题展开，丰富医学场景内容的作用。大纲中的“其他医学专业术语”共有620个，包括身体部位、人体器官、医疗设备、治疗方法、细菌与病毒、药品、化学物质、科室与检查类型等词语。
医学汉语本质上也是一种场景化的语言教学，因此大纲也包括了一些在医学场景下常用的维持“医—护—患”之间交流的“医学日常交际词语”。该类词语在大纲中有432个，例如，涉及医患交流、医护交流的词语：病史、好转、气色、症状、风险等，涉及患者身体各项指标的词语：身高、体重、血压、血糖等，撰写报告、病历需要涉及的手续、诊断、处方、挂号、含量、指标等词语。这些“医—护—患”交际用的词语并不针对特定某一种疾病或症状，但在各科室工作流程中均被广泛使用，是沟通的必要保障。
除此之外，本文还基于大规模语料抽取了医学汉语增补词汇，共4 449个，包括高血压、帕金森、心律失常、关节炎、肺结核等各种大纲外词汇。
1.2.2 分类必要性
解决大纲的局限性 对大纲所列出的1531个词进行分类，有助于确定医学汉语任务场景所围绕的具体话题，理清医学汉语语境下话题与词汇之间的基本关系，拓展医学汉语增补词汇也能够进一步弥补大纲词汇覆盖不全，收录词汇有限的问题。同时，有利于通过大规模语料建模词汇之间的关系，为构建医学汉语“话题—词汇”体系做准备。
降低研究门槛 针对医学专业知识不足的语言教师，词汇分类有利于研究者快速定位词汇并进行教材课文、试题等内容的设计，在大语言模型辅助的情况下，明确词汇的分类、话题内容以及词汇间关系，语言教师可以“零门槛”参与医学汉语教学资源构建。
促进跨学科合作 分类能够减少语言教师与医学专家之间的术语理解差异，为二者提供一个共同构建医学汉语教学资源的统一框架，促进跨领域、跨学科合作。
2 医学汉语增补词汇
大纲所提供的词汇具有一定的局限性，因此本文使用好医生在线咨询的问答文本数据（
https://www.haoyisheng.com/ ）作为补充语料，并从中提取“医学汉语增补词汇”。该语料主要由患者向医生在线咨询的会话文本构成，内容涵盖了2010年以来，好医生网站海量在线咨询会话的文本记录，使用分词工具对语料进行分词并进行一系列数据预处理后，语料规模如
表2 所示。
引入大规模语料作为参考，一方面可以作为语料库进行案例查询检索，方便语言研究者在编写医学汉语文本材料时，有较多资料可以参照，从而降低医学汉语研究的门槛；亦可作为大模型的微调数据集，为大模型提供专业背景知识；更重要的则是引入大量增补词语，构建一个医学汉语增补词表，以补全大纲的词汇，使输入生成式人工智能的提示语更精准、更具体。医疗咨询问答（QA）语料可以提供实际场景下医学汉语交际真实语料素材，从而做到从满足交际场景需求的角度进行医学汉语的词汇补全。词表构建方法如
图2 所示。
本文首先对整个语料的词表进行索引，统计每个词的词频。由于整个语料规模大于10亿字，共包含225万余条医疗咨询问答（QA），因此本文将5000次作为词频的阈值，在整个语料中出现的次数少于5 000次，就认为该词语在医疗会话场景中出现属于小概率事件，并予以舍弃。之后从得到的结果中删去大纲中已有的词语，同时使用四川大学、哈尔滨工业大学等开发的汉语停用词表对非领域汉语常用词进行过滤。得到最终的词表规模为4 449词，为了避免单一使用词频指标，使常见病相关词语在整个语料中词频过高，造成补充词表不均衡，我们以一条QA作为一个文档，对抽取到的4 449词语的TF-IDF值进行了测算（短语的TF-IDF值则选择将短语作为一个
n 个词共现的整体单位来进行测算，TF-IDF值的计算公式如
式1 所示，文档数D为QA数量），为每个词添加了TF-IDF值作为权重，词表按照TF-IDF值降序排序进行排列，以便语言研究者进行参考。
表3 展示医学汉语增补词表前50个词以及相关指标（此处TF-IDF值×10
3 以便展示）：
T F - I D F i , j = n i , j ∑ k n k , j × l g | D | 1 + | { j : t i ∈ d j } | （1）
从
表3 可以看出，大部分TF-IDF值较高的词语都是大纲未收录的常用词语，如医生、病人、大夫、建议、填写、服用、用药等。也包括一部分交际中的礼貌用语，如您好、谢谢、请问。这些词语在医学汉语交际场景中经常出现，也是构成医学汉语无论是阅读还是会话各种类文本材料的常用词。中国医疗资源存在一定地域性，北京、上海等地是医疗资源比较聚集的地区，因此词表中也将它们作为重要词语抽取了出来，这也反映了医疗资源在中国的分布现状，而“人民”一词则是由于中国有大量的“人民医院”，因此被抽取了出来，由此可见，补充常用词，可以在构建机器辅助医学汉语教学资源生成过程中，加强提示语（prompt）的约束，从而让生成更加精准。继续向下进行抽检，排位第100的词语为“医科”,第200为“生殖”,第500为“针灸”,第1000为“中度”,第2000为“随后”,第4000为“胃溃疡”，经过示例展示与抽检可以证明，运用自然语言处理方法，通过大规模语料抽取的医学汉语增补词表，具有较高的质量，对优化医学汉语教材文本资源的编写，改进提示语具有很大意义。
3 基于词向量模型的医学汉语文本编写
专门用途汉语往往以话题为中心，因此专门用途汉语的交际场景往往聚焦某个具体的话题，以便处理相应的实务。对于医学汉语而言，疾病和症状往往是话题的核心。而通过前文对大纲词汇的分类以及对医学问答语料中医学汉语增补词汇的抽取，如何找到与话题核心词相关的词语并根据其与话题的相关度降序分类罗列，以便语言研究者可以挑选这些词汇构建提示语，让生成式人工智能进行医学汉语的教材文本资源编撰，就成了下一步需要解决的问题。
3.1 基于词向量模型的“话题—词汇”体系构建
词向量模型通常用来表示词语语义之间的关系，在较大规模语料上，其效果往往较好。在该模型中，词的语义被表示为一个高维空间向量，而词与词之间语义的相关度往往用向量之间的距离表示。本文使用Word2Vec，以好医生问答作为语料训练了一个基于医学汉语实际交际场景的300维词向量模型，并以此词向量模型作为基础，通过计算每个医学汉语话题核心词，即疾病与症状类词语同其他词语之间的语义关系，以便选取关系程度较高的词语作为该话题医学汉语课文编写的备选词语，从而构建医学汉语的“话题—词汇”体系。具体方法如
图3 所示。
将所有词表中的词语向量化表示之后，选取“疾病与症状术语”类中的一个词n作为文本材料的话题核心词，并计算词n与四个词表中的任意词m的余弦向量相似度（见式2 ）以度量词向量之间的距离，按照余弦向量相似度值域[1,-1]升序排列。其中“疾病与症状术语”词表中取与核心词n相似度最高的Top 10词，这样做的目的主要是检索与话题核心相关的疾病、症状或并发症；“其他医学专业术语”词表取Top 20词，这一类词主要是与核心词n相关的身体部位、身体指标、治疗方法、用药、病原体等词汇。“医学日常交际词语”词表取Top 20词，以便于文本的撰写贴近交际实际、贴近生活化，避免医学汉语的文本只有术语，从而使课文近似于单纯的百科知识。基于大规模语料的“医学汉语增补词汇”词表由于规模较大，取Top 50词，并根据TF-IDF值进行二次筛选，最终留下20词。通过以上步骤，可以获得一个围绕“疾病与症状术语”为话题核心，确定每一个话题与四类词汇之间的关系，从而形成的医学汉语“话题—词汇”体系。
以“冠心病”一词为例，按照上述基于词向量模型的相关词汇提取方法，所得结果如
表4 所示。
c o s i n e _ s i m i l a r i t y ( m , n ) = m ∙ n ∥ m ∥ ∙ ∥ n ∥ （2）
从
表4 可以看出，以“冠心病”作为医学汉语的话题核心，与“冠心病”相关的疾病与症状有：肺心病、房颤、心绞痛、猝死、缺血、心力衰竭等，而痛风、哮喘等病症也会引发冠心病，同时，冠心病也是糖尿病的并发症之一；与“冠心病”相关的“其他医学专业术语”包括溶栓（治疗）、（冠心病）抗凝（药物）、（心血管）狭窄、冠状动脉、心脏、造影等；在冠心病的医患交流、医护交流、医学报告中血脂、血压、心律、血糖等指标也是常见词汇。病史、家庭史也是“冠心病”患者背景情况调查中常询问的关键信息；而基于大规模语料的“医学汉语增补词汇”更可以为“冠心病”这一话题增补诸如高血压、先心病、血栓、斑块、衰竭、闭塞、梗死、心律过速、动脉硬化、心肌缺血、心肌炎等冠心病的伴生疾病或症状词汇，以及（心脏）支架等针对冠心病的手术诊疗方法等专业词汇，从而形成围绕“冠心病”这一话题的完整的“话题—词汇”体系，以辅助国际中文教育研究者对医学汉语中该话题的研究以及课文编写。总体而言，基于词向量模型，将大纲词表分为三个部分，并增补大量语料抽取词表，通过计算话题核心词与词表各个词之间的欧氏距离并排序，同时参考增补词表的TF-IDF值综合判断，可以较好地构建医学汉语的“话题—词汇”体系，为医学汉语的文本材料编写以及构建良好的提示语提供丰富的参考。
3.2 医学汉语文本自动生成
自深度学习模型，尤其是复杂神经网络发展以来，人工智能算法的可解释度与透明性便逐渐下降，趋于“黑箱性质”
[15 ] 。目前，生成式人工智能基本遵循预训练模型框架，尽管推理可视化大模型已出现、模拟人脑认知的可解释模型已初步萌芽
[16 ] ，但主流大语言模型通常仍只能从“输入”和“输出”两端进行干预，因此针对“输入”进行提示语工程优化，针对“输出”进行语言教师与医学专家的再编辑微调是保证医学汉语文本生成科学性的最直观手段。
3.2.1 提示词工程优化
常见的提示词工程优化方法包括以下四类：
精准控制输出 主要用于拆分任务，让复杂任务在每一步生成更精确，具体做法包括拆分任务构建提示词让大语言模型分步、分块进行输出。
可靠性增强 主要用于提高提示语生成内容的可靠性，具体做法包括添加虚拟角色，例如在提示词中添加“你是一位医生”；禁止胡编乱造，例如要求大模型“遇到不确定的点要向我确认”。
效率优化 主要用于高速生成有效内容，并让有效内容结构化，例如明确向大模型提出生成内容的长度、输出形式、目标要求等。
思维链迭代 即通过人类不断追问、反问，动态修正大语言模型的生成结果，例如在大语言模型生成一轮后追问某个细节再次进行生成，或让大模型自检生成内容的正确性。
鉴于语言教师缺乏医学背景知识，在有“话题—词汇”体系辅助的情况下，更适合采用可靠性增强、效率优化与部分思维链迭代的策略，以本文
表4 中“冠心病”一词为话题核心，首次输入的提示语可以做出以下优化：
[基础提示词]
请以冠心病为话题写一段250字左右的医学汉语叙述体课文。
[优化后提示词]
你是一位专业医生（添加虚拟角色） ，请以冠心病为话题，联系“心力衰竭、猝死、糖尿病”等病症（关联“疾病与症状术语”） ，围绕“冠状动脉、心脏、心电图、抗凝、溶栓”等术语（关联“其他医学专业术语”） ，并提及“心律、家族史”等生词（关联“医学日常交际词语”） ，还需包括“高血压、支架”（关联“医学汉语增补词汇”） 这两个词，写一段250字的医学汉语叙述体（效率优化-明确语体要求） 课文，要求难度为HSK-6级（效率优化-明确难度） 水平。
3.2.2 生成内容难度测量
基于上文中优化的提示词要求，我们同时让人类专家（语言教师与医学专家）和生成式人工智能（DeepSeek-v3）各撰写一篇医学汉语课文，并将二者进行对比。首先从效率上来讲，AI撰写效率明显优于人类撰写效率，在推理可视化条件下，AI生成医学汉语课文的时间为114秒，人类配合则需要2小时左右。生成经人类专家审核，AI撰写的课文基本符合医学常识，平均句长略长于人类撰写课文。
使用2025年7月更新的“中文分级指南针”工具
[17 ] 对两篇例文进行难度可视化分析结果如
图4 所示。
人类专家撰写课文难度把控较好，难度系数为6.96，其中超纲汉字数量为3.70%，超纲词汇数量为29.77%，无超纲难句，超纲字词多为医学专业名词，故不在《国际中文教育中文水平等级标准》之列；相较于人类专家而言，AI撰写课文难度稍高，难度系数为7.04，较人类高0.08，超纲汉字8.03%，较人类高4.33%；超纲词37.01%，较人类高7.24%，但若抛去需要学习的医学术语，仅算《国际中文教育中文水平等级标准》内词汇，相对HSK-6级水平而言，AI撰写的课文超纲词为12.09%（高等词覆盖率除以中等六级覆盖率），仅比人类11.54%高0.55%，AI撰写课文亦无超纲难句。从效率与难度权衡的角度，AI撰写课文在难度方面基本能够符合医学汉语教学要求。
3.2.3 生成正确性评估
医学知识具有极强的专业性，大语言模型所生成的内容往往会受到“大模型幻觉”影响，从而形成语言形态、事实或逻辑上的错误，因此我们调用了三个不同基座模型的生成式人工智能（ChatGPT-4o、DeepSeek-V3、Kimi-k1.5）、以不同难度（HSK 3、HSK 6）、不同语体（叙述体、对话体）、不同话题（癌症、白血病、胸闷、乙肝、中暑、近视、甲亢、风湿病等26种分属不同科室的常见病症），生成3×2×2×26共计312段医学汉语课文，由语言教师及专业医生合作从字词错误、语法错误、标点符号错误、语用语体知识错误、职业知识错误、常识错误、逻辑错误7大方面进行评估，生成资源错误率如
表5 所示：
表5 数据可见，AI编写的医学汉语教材资源总体正确率一般，很少出现语言形态问题（即字词、语法、标点、语体方面的错误），但错误通常集中在行文的知识逻辑上，其中，常识错误占比最高。在模型方面，DeepSeek-V3相较于ChatGPT-4o与Kimi-k1.5总体错误率更低。针对大规模生成资源知识逻辑容易出问题这一点，可以借助思维链（chain of thought, CoT）技巧进行弥补，即在AI生成一轮内容之后，通过反问迭代让AI进行“自检”，结构化自检提示语如下：
请检查一下上面的内容有误字词、语法、标点符号、语体语用、职业知识、常识与逻辑的错误？
由于第一次的提示语核心重点在于生成，AI往往会遵循“忠诚性原则”优先满足提示语要求并对某些关联性较弱的知识强行进行组合，故容易出现知识与逻辑方面错误，但在“自我检查”的针对性要求下，大语言模型则往往可以对自己生成的内容从专业性上进行重新判断。经过一轮自检，各模型在思维链迭代后的表现如
表5 所示。
从数据统计上可以明显看出，经过思维链迭代，大语言模型的自我纠正率可以达到九成以上，资源编写的准确率与合理性能够维持在95.0%左右，完全可以胜任连接语言教师与医学教师，从“人机协作”的角度出发，促成不同领域的专家“人人协作”，快速高效编写医学汉语教学资源的任务。
4 结束语
医学汉语是专门用途汉语教学的重要分支，也是来华医学专业国际学生的必修课程。本文提出了一种基于词向量模型的方法，通过挖掘医学汉语词汇关系，构建“话题—词汇”体系并优化提示词。该方法能够辅助缺乏医学知识的语言教师开发医学汉语教材资源。在结构化提示词构建与AI自检的协同作用下，资源构建的准确性在各项评估指标上均达到95%左右。本研究为高效、低门槛构建医学汉语教材资源，促进语言教师与医学研究者的跨学科协作提供了可行路径。
然而，该研究仍处于初期阶段，存在一定局限性。例如，本文采用余弦相似度度量词语间的亲疏关系，虽能优化提示词内容，但特征维度较为单一。未来研究将进一步改进算法与模型：一方面，引入知识图谱技术，使词语关系不仅包含数值度量，还能明确具体语义关联（如词A是词B的“并发症”“诊疗手段”或“特效药品”等），从而提升人机协作的质量；另一方面，“话题—词汇”体系具有较强的工程适用性与可迁移性，当前国际中文教育正经历从语言教学向“中文+X”范式的转型，除医学汉语外，大量专门用途汉语领域均面临教学资源与方法匮乏的问题。针对不同领域的学科结构、知识深度、语料规模及职业场景差异，对算法与资源构建方法进行适应性调整，可拓展基于“话题—词汇”体系的AI辅助教学资源开发方法的应用范围，推动技术赋能中文教学资源建设与国际传播。
京公网安备11010202008535号
PDF
(1181KB)
