赋能整合医学教育：知识图谱驱动下内分泌系统课程教学的创新实践

Empowering integrated medical education: Innovative practices in endocrine system teaching driven by knowledge graphs​

摘要

内分泌系统是贯通“分子—细胞—器官—系统”四维调节网络的核心整合课程，但存在激素网络复杂、资源碎片化、跨系统割裂等痛点。本研究依据新版教学大纲与六大基础医学学科，建成441 个节点的内分泌全域知识图谱，打通解剖—生理—病理—药理纵向链，同时将多元资源精准挂载到图谱节点，形成“学—练—评”闭环资源库，并且创新KG-BOPPPS 教学模型，把图谱嵌入课前预习、课中共建、课后诊断三环节，实现数据驱动的精准教学，同时实现了多源实时评价，用热力图与路径图动态追踪个人和班级薄弱点，教师即时干预。2023 年开始试运行（n=26），2025 年进行规模化应用（n=133）。结果显示：知识点完成率由86%提至100%，掌握率由79%提至98%，期末卷面平均提高10.8 分（P=0.009 2），验证了“图谱深度—知识掌握—学业成绩”正循环。

Abstract

The endocrine system serves as a core integrative discipline within the “molecule-cell-organ-system” four-dimensional regulatory network. However, challenges such as the complexity of hormonal networks, fragmented resources, and cross-system disconnections persist. Aligned with the latest syllabus and six foundational biomedical disciplines, a 441-node, domain-wide knowledge graph for endocrinology that vertically links anatomy, physiology, pathology, and pharmacology was constructed. Diverse learning resources were precisely anchored to each node, creating a closed-loop repository for learning, practice, and assessment. The KG-BOPPPS instructional model was innovated, embedding the graph into pre-class preparation, in-class co-construction, and post-class diagnosis, enabling data-driven precision teaching. Real-time multi-source evaluation tracks individual and class weaknesses via heatmaps and pathway maps, allowing immediate instructor intervention. A pilot in 2023 (n=26) was followed by scaled deployment in 2025 (n=133). Results show knowledge-point completion rising from 86% to 100%, mastery from 79% to 98%, and a 10.8 (P=0.009 2) gain in final-exam scores, confirming a positive cycle of “graph depth → knowledge mastery → academic performance.”

关键词

知识图谱 / 内分泌系统 / 整合医学 / 深度融合 / 精准教学

Key words

knowledge graph / endocrine system / integrated medicine / deep integration / precision teaching

近年来，在线教学平台与人工智能技术的深度融合为教育变革注入了新动能^[1-2]。知识图谱（knowledge graph，KG）技术凭借其多模态资源动态整合能力，通过构建语义关联网络破解混合式教学中存在的资源孤岛与认知断层双重困境^[3-4]。本研究聚焦内分泌系统整合课程，探索知识图谱驱动下教学模式的重构路径——以激素调控机制为枢纽，联通解剖定位、病理机制、药理学干预等跨学科知识模块，构建支持临床决策链推演的教学新范式，为培养医学人才系统性诊疗思维提供方法论支撑。

1 教学痛点：内分泌课程的复杂困境

内分泌系统是基础医学的核心整合课程，系统整合了内分泌腺体的解剖结构、激素的生理机制、内分泌疾病的发病机制、病理变化及药物干预等跨学科知识^[5]。作为人体神经—内分泌—免疫调节网络的关键组成，激素通过多层级联反应：从分子层面的基因表达调控，到细胞层面的信号转导与代谢应答，再到器官层面的功能协调，以及系统层面的整体稳态维持，实现了“分子—细胞—器官—系统”四维贯通的复杂动态调节网络，奠定了内分泌疾病，如糖尿病、甲状腺疾病等临床病症的理论基础，是医学人才胜任临床决策必须掌握的核心知识体系^[6]。​

内分泌教学的核心挑战源于激素网络的多维复杂性与疾病表征的多重性：激素种类繁多、功能交叉重叠，且存在同症异病（如多饮多尿源于胰岛素或ADH缺乏）和同病异症（如库欣综合征的典型肥胖与非典型抑郁）现象，导致学生易混淆机制且难建立系统性认知^[7]。目前，线上线下混合式教学并不能完全解决这些问题，内分泌整合课程仍面临深层局限性：其一，资源碎片化，线上资源分布较散，学生难以自主串联激素调控链条^[8]；其二，过程检测不足，章节测验仅静态评估节点知识，缺失动态学习路径追踪；其三，缺乏智能认知导航工具，导致学生线上自学的知识比较片面，不是系统化、多方位的；其四，跨系统割裂，线上资源仅限于内分泌相关，不能帮助学生进行跨系统学习或思考^[9-10]。

2 驱动内核：内分泌知识图谱构建

2.1 设计构建整体框架

以《内分泌学》教学大纲和权威教材为核心依据，以激素的核心生物学功能为跨学科纽带，整合解剖学（腺体解剖结构）、组织胚胎学（腺体发育）、生理学（激素功能及调节）、病理生理学（内分泌失衡致病机制）、病理学（腺体组织病变特征）及药理学（药物治疗）六大基础医学学科内容，构建全域贯通的内分泌系统知识图谱^[11]。该图谱主要由七个一级知识架构——内分泌系统总论（激素分类与信号转导通用原则、内分泌疾病特征）、下丘脑-垂体轴（激素级联调控以及部分垂体激素功能）、甲状腺（甲状腺激素）、甲状旁腺（与钙磷调节激素）、胰腺（胰岛素与胰高血糖素）、肾上腺（糖皮质激素与应激反应）、非典型内分泌组织（脂肪与胃肠激素网络等）形成纵向学科主线，并依托多级知识点纵深拓展实现横向融合：以甲状腺模块为例，二级知识点涵盖甲状腺解剖与组胚（滤泡超微结构及胚胎异位风险）、甲状腺激素生理（T3/ T4合成酶系与HPT轴负反馈）、甲状腺病理生理（甲状腺功能亢进与减退）、药理学干预（抗甲状腺药物作用靶点及放射性碘治疗等），后续层级细化至五级或六级知识点，最终构成内分泌知识的精密网络。在技术实现层面，基于DeepSeek智能语义分析自动抽取教材中激素实体属性（如甲状腺激素合成过程）及跨学科关联（甲状腺激素合成与甲亢的药物治疗），经专业教师校验关键关系后，通过超星学习通平台将层级化知识体系转化为可动态探索的“激素调节树”，彻底解决传统教学中同类机制重复冗余与跨系统知识割裂的结构性矛盾，如在生理课程中学习甲状腺激素的合成过程后，在药理学学习抗甲状腺药物治疗时，需要重新学习甲状腺激素的合成过程才能理解该药物的作用机制，该整合课程的知识图谱就能够很好地解决这种知识重复冗余的现象。因此，学生可沿五级知识点脉络实现跨学科贯通学习，教师则依托图谱精准设计疾病案例。当前知识图谱共计441 个知识点，基本覆盖核心知识域，其以激素为枢纽的整合范式为医学教育数字化转型提供了关键基础设施。

2.2 多模态资源库的精准构建​

在完成内分泌知识图谱的框架构建后，其结构逻辑如同为复杂的内分泌系统搭建了精准的解剖骨架，进一步需通过系统性多模态资源整合赋予其功能完备的“知识实体”属性^[12]，依托超星学习通平台的四维可视化引擎（大纲模式/思维导图模式/图谱模式/地图模式），实现课程资源与知识节点的精准锚定。资源建设涵盖三大核心维度：课程基础资源、拓展学习资源和交互训练资源。①课程基础资源中，教师将教学PPT内容，拆解为三级知识点单元，如甲状腺结构、甲状腺激素的合成与分泌等，并整合“十四五”规划等权威教材电子版至相应知识点，为呈现具体的解剖结构或抽象的生理机制，专门制作或采集相关视频资源，如甲状腺的解剖结构、甲状腺激素的合成或HPT轴的三级调控等。②拓展学习资源建设是为了增加课程的深度和广度，通过PubMed、Web of Science等平台数据库，查阅筛选最新的热点内分泌研究进展，锻炼学生科研思维；同步关联最新内分泌系统疾病临床指南，比如甲状腺功能亢进症基层合理用药指南、中国糖尿病诊治指南等，强化临床决策训练，更深度融合课程思政元素，例如添加胰岛素发现史、胰岛素合成纪录片、医者演讲视频，潜移默化地培养学生医学人文素养。③为了实现学生实时学习监测目标，本研究构建了知识点耦合式习题库，依托知识图谱的拓扑关联性，将227 道习题精准锚定至相应内分泌知识节点，形成“学—练—评”闭环体系。在资源筛选中严格遵循权威性、适用性和前沿性的“三性”原则：权威性方面，以国家级教材（“十四五”规划医学系列教材）的《解剖学》《组织胚胎学》《生理学》《病理生理学》《病理学》和《药理学》这六本书为纲写作而成的讲义，辅以经典专著《威廉姆斯内分泌学》和《哈森内分泌学》来保证内分泌系统知识的准确性；适用性方面，针对学生认知水平精选难度适配的资源；前沿性方面，通过筛选最新的内分泌系统基础与临床研究进展来补充或细化课本的经典知识，同时添加最新临床诊疗指南来化解医学生的临床认知时滞。

3 教学创新：内分泌系统知识图谱嵌入式三阶重构​

3.1 内容重构：跨学科知识网络的拓扑融合​

内分泌系统为整合课程，整合了基础医学的解剖学、组织胚胎学、生理学、病理生理学、病理学以及药理学的内分泌知识，知识图谱技术的出现，打破学科壁垒，大大促进了该学科的整合度，实现了真正意义上系统的整合。通过多级知识点，构建了激素轴系知识链，形成了知识体系的纵向贯通，并以激素为核心，构建“生理稳态→病理失衡→靶向干预→稳态重建”的完整环路。如，下丘脑(TRH释放)→垂体(TSH合成)→甲状腺(T4分泌)→靶器官(代谢率↑)→甲状腺功能亢进（激素异常）→靶器官(代谢失衡)→TRH和TSH变化（轴系调节）→药物治疗（抗甲状腺药物，激素合成），在这个以甲状腺激素为主的环路中，将不同学科的甲状腺知识进行了深度的融合，构成一个知识体系，而不是分学科零散的知识点。同时，对于一个知识点，我们通过知识图谱也可以扩展到多个方面，比如在“胰岛素抵抗”知识点中，可以涉及脂肪细胞肥大、GLUT4转位障碍、非酒精性脂肪肝、SGLT2抑制剂作用机制这些跨章节，甚至是跨课程的知识点，使课程内容从离散知识点升级为可诊疗决策的思维模型。

3.2 方法重构：KG-BOPPPS双驱教学模型

本课程采用BOPPPS教学法框架^[13]，并将内分泌知识图谱深度嵌入其关键环节，构建“KG-BOPPPS双驱教学模型”，实现精准化教学调控，提升教学效果。课前，利用KG驱动精准预习，即升级BOPPPS教学中的pre-assessment环节，教师选取核心知识点发布预习任务，学生通过知识图谱完成自学并进行自测后，系统自动生成学情诊断报告，包括班级平均完成率、掌握率。教师备课期间调取该数据，动态调整课中重难点分配，实现“以学定教”的精准预习。在课中利用知识图谱辅助决策推演，即强化BOPPPS教学中的participatory learning环节，学生通过拖拽知识节点构建诊疗逻辑树，教师实时点评路径合理性。同时，教师在课堂上可以利用知识图谱以知识树模式动态梳理复杂知识网络，辅助学生建立系统性认知。在课后，知识图谱赋能巩固闭环，即深度迭代BOPPPS教学中的post-assessment环节，自动分析课后自测数据，同时对比课前自测数据，生成班级或个人的学情报告，教师也可据此优化后续教学策略，形成“教学—评价—优化”闭环。

3.3 评价重构：多源数据驱动的能力画像

传统课程评价依赖超星平台静态数据（线上作业得分、阶段性测试排名），存在结果滞后、维度单一、关联缺失三大痛点。知识图谱的嵌入重构了动态评价体系，可以实时学情追踪。知识图谱自动采集学生预习自测、课堂交互、案例分析等全流程数据，生成个人-班级双维热力图（如“甲状腺激素合成”知识点，会显示某位学生的掌握率和班级排名，同时也会显示相邻节点掌握率），教师可实时调取任意时间点的学情，同时进行精准教学干预，比如当班级热力图显示“甲亢的药物治疗”掌握率＜50%，需要教师追加临床案例分析，提醒学生进行分析讨论，理解巩固该知识点。知识图谱还可以通过关系推演绘制学习路径拓扑图来进行知识网络的关联分析，如“甲状腺解剖—激素合成—HPT轴调节—甲亢治疗”这个知识路径中，若学生在“HPT轴调节”错误率大于70%，系统会自动标红其前置知识“激素合成”与后续“甲亢治疗”的掌握缺陷，提示该学生存在轴系认知断层。通过这种多源数据的动态评价，可以帮助教师动态关注学生学习进程中的认知断层与群体性薄弱点，并实施精准教学干预。

4 教学实践:内分泌系统知识图谱的应用成效

本课程知识图谱于2023年初步建成，2024年在小班进行试运行（n=26），依据反馈问题优化后，于2025年开展规模化应用，覆盖临床医学、基础医学、儿科、麻醉和影像专业，共计133 名学生，两个教学班。课程理论教师团队保持稳定，知识图谱主要应用于课前预习定向推送、课后复习资源锚定及自测功能实时学情诊断，评价主要包含知识点完成率与知识点掌握率两个指标。完成率即学生对某知识点下所有关联资源的学习完成情况；掌握率则指学生在该知识点自测题目上的正确率。全学期数据表明，对于知识图谱中知识点完成率和掌握率较高的学生，在期末考试中表现较佳，如表1所示，在知识点平均完成率上，试运行班为86%，教学班A提升至99%，教学班B达100%；知识点平均掌握率从试运行的79%跃升至教学班A的96%与教学班B的98%；线上综合成绩平均分由92分升至教学班A的95分和教学班B的97 分；在保证不同年度试卷难度一致的前提下，期末卷面平均分从69.3分提升至教学班A的74.7分和教学班B的80.1分。其中教学班B较教学班A在知识点掌握率（98%>96%）和期末卷面分（80.1 分>74.7 分）上分别领先2%和5.4分，全面印证知识图谱迭代优化后深度融入学习流程的显著成效。规模化应用班（A/B班）较试运行班知识点完成率至少提升13%、掌握率提升17%以上，而教学班B的卷面分较试运行班大幅提升10.8 分，形成“图谱使用深度→知识掌握度→学业成绩”的正向增益闭环。课程结束后，通过对学生的访谈收集了质性反馈。学生普遍认为，知识图谱对学习，尤其是跨学科知识整合提供了显著帮助。约85%的学生指出，内分泌知识图谱能有效辅助他们快速构建知识框架、理解复杂内容，一个典型的例子是对于“下丘脑-垂体-甲状腺轴”这一涉及多学科的抽象概念，图谱通过可视化关联清晰地揭示了其调控路径。至此，研究从学业数据与主观体验两方面，验证了知识图谱在教学创新中的积极价值。

5 内分泌系统知识图谱实践的突破与挑战​

内分泌系统课程是本校“器官-系统整合”模块的枢纽课程，其知识具有“三多一交叉”的典型特征：激素种类多、信号通路多、临床表型多，且与解剖、生理、病理生理、药理等学科深度交叉。传统整合课程还停留在“内容拼接”层面，而基于线上平台的内分泌系统知识图谱构建及应用，极大地提升了课程的“机制闭环”整合深度，实现了三重突破。①跨学科整合范式革新，实现了从“知识罗列”到“轴系贯通”的范式跃迁，构建“下丘脑—垂体—靶腺轴”拓扑链，破解了解剖—生理—病生—药理割裂痛点，使知识冗余度下降，跨学科关联融合度更高；②精准教学闭环验证，KG-BOPPPS模型把知识图谱嵌入BOPPPS关键环节，实现了课前—课中—课后的数据连续采集与即时反馈，教师端后台可实时查看学生学习情况与成效，及时反馈并调整课堂教学重难点，实现了“教学—评价—优化”闭环，提升了知识点掌握度，试运行到规模化应用的纵向数据表明，图谱使用深度与学业成绩呈正相关，为后续其他系统课程推广提供了可复制的循证依据；③能力评价体系升级，实现了从结果快照到过程画像的体系优化，多数据实时动态评价学习效果，教师及时反馈教学，实施精准教学干预。

内分泌系统知识图谱虽已初成体系，但目前还存在以下不足与挑战。一是急需利用人工智能（AI）赋能知识图谱的构建与应用，比如当前图谱仍以“知识点”为最小单元，然而忽略了上下级知识点的知识联系，导致挂载于子节点的资源难以自动反哺父节点。若引入 AI 语义识别，即可打通层级壁垒，实现资源一次标注、多级复用，显著减少教师重复劳动，降低学生认知负荷^[14]；同时，AI 可在跨章节间自动链接隐性关联，进一步减轻人工梳理压力。在个性化学习层面，AI 可依据学习轨迹精准推送“补弱”材料，实现千人千面的靶向精准辅导；若将每周学习进度自动归档并可视化，教师即可一键调取动态数据，完成后续诊断与干预。二是多模态资源库的建设，完善资源库需要大量的辅助资料，有些资料在大规模应用后面临版权问题，如病理切片、教学视频和文字材料等，以及资料更新、后台管理等问题，需要学校与平台互通，探索资源共享策略。

6 结束语

知识图谱正从工具升维为医学教育数字化转型的基础设施，其价值在于以“临床胜任力”为中心，重塑“学科碎片→系统整合、经验教学→数据驱动、分数评价→能力画像”三大范式，但需警惕技术万能论，正视专业鸿沟与伦理成本，才能构建可持续的智能教育生态^[15]。

参考文献

[1] 来茂德. AI时代医学教育改革该往何处去[J]. 中国高等医学教育, 2025(4): 1-3.

[2] Rasheed A M T, Yash B S, Francisco A,et al. Artificial intelligence use in medical education: Best practices and future directions [J] Current Urology Reports. 2025, 26(1): 45.

[3] 张珣, 占素扬, 刘曼, 等. 基础医学课程“数智三驱”教学模式改革探索[J]. 基础医学教育, 2025, 27(5): 466-471.

[4] 时振普, 吕潇, 董彦如, 等. 医学领域多模态知识图谱融合技术发展现状研究[J]. 计算机科学与探索, 2025, 19(7): 1729-1746.

[5] 傅君毅, 胡广鑫, 胡冠烨, 等. 器官系统整合课程现状的思考及展望[J]. 基础医学教育, 2024, 26(2): 133-135.

[6] 李伟, 朱惠娟, 夏维波, 等. 基础医学整合课程内分泌系统教学改革[J]. 基础医学与临床, 2023, 43(7): 1171-1174.

[7] 钟秀宏, 侯建成, 任旷, 等. 转化医学理念下内分泌系统基础医学整合课程改革的设计与实践[J]. 中国医学教育技术, 2019, 33(4): 497-499.

[8] 纪璇, 叶铭惠, 姚娟, 等. 医学生深度学习特点及影响因素研究综述[J]. 中国医学教育技术, 2024, 38(2): 172-177.

[9] 吴雪飞, 刘丽红, 宋桂荣, 等. 网络学习平台在内分泌系统整合课程中的应用[J]. 基础医学教育, 2017, 19(6): 470-472.

[10] 钟秀宏, 张东芳, 范红艳, 等. 基于教育信息化的内分泌系统整合课程的线上线下混合式教学模式研究[J]. 中国教育技术装备, 2023(20): 144-147.

[11] 梅武轩, 胡振武, 彭少华, 等. 以器官系统为中心的医学整合课程改革初探[J]. 中国医学教育技术, 2016, 30(5): 618-620.

[12] 何晓茜, 王若瑶, 张炯娜. 面向医学教育的多模态知识图谱构建方法及其在智能教学辅助平台中的应用[J]. 微型电脑应用, 2024, 40(10): 42-45.

[13] 陈利平, 吴利平. BOPPPS模式在医学教育领域的应用现状及展望[J]. 中国继续医学教育, 2024, 16(14): 184-188.

[14] 张澍, 孟列素, 刘进军, 等. DeepSeek进课堂: AI智能体在器官系统整合课程教学中的应用探索与思考[J]. 中国医学教育技术, 2025, 39(4): 432-436.

[15] 陈曦. AIGC赋能教师教学创新: 路径、 挑战和展望[J]. 中国医学教育技术, 2025, 39(1): 16-22.

基金资助

兰州大学基础医学院教育教学改革项目(jy202403)

兰州大学基础医学院教育教学改革项目(jy202401)

兰州大学基础医学院教育教学改革项目(jy202414)