AI模拟教学对临床医学本科生呼吸系统疾病见习效果的影响

摘要

目的 评估人工智能（artificial Intelligence， AI）模拟教学对临床医学专业本科生呼吸系统疾病临床见习效果的影响，为优化医学临床见习模式提供实证依据。 方法 选取空军军医大学20xx级临床医学专业本科学生134人，采用随机数字表法分为对照组（A组，n=69）和干预组（B组，n=65）。A组见习前常规自学呼吸系统疾病中肺癌相关内容30 min，后开展临床见习，B组在见习前接受30 min针对肺癌的AI模拟训练教学（含AI模拟标准化病人问诊训练、模拟查体训练），两组见习场景、带教师资及评价标准一致。比较两组学生的问诊时间、查体时间、问诊内容评分及查体评分。 结果 两组学生基线资料（年龄、性别、诊断学成绩等）比较，差异无统计学意义（P>0.05）；干预后，B组问诊时间（12.06±3.14）min、查体时间（14.92±3.89）min，均显著短于A组（13.39±3.18 min及23.71±3.39 min），问诊内容评分（90.18±4.77）分、查体评分（88.55±5.30）分均显著高于A组（85.46±6.68分及81.75±6.18分），差异均有统计学意义（P<0.05）。 结论 临床见习前引入30 min AI模拟教学，相比传统学习模式，可明显提高临床医学本科生对呼吸系统疾病的问诊及查体效率，提升问诊内容完整性与查体规范性，对优化临床见习效果具有积极作用。

关键词

人工智能 / 模拟教学 / 临床见习 / 呼吸系统疾病

临床见习是连接医学理论教学与临床实践的重要环节，是培养临床医学专业本科生临床思维及医患沟通技巧的关键过程^［1］。呼吸系统疾病是临床整合课程的重要组成部分，肺癌作为一种重要的呼吸系统疾病，也是全球发病率和死亡率最高的恶性肿瘤之一，其临床表现复杂、问诊查体要点密集（如吸烟史、家族肿瘤史、职业病史、胸部体征鉴别等），是临床医学本科生内科学见习的重点与难点内容^［2］。然而，当前临床见习模式面临诸多瓶颈，难以满足高质量教学需求。首先，标准化病人（Standardized Patient， SP）资源短缺。SP虽能模拟真实患者的症状与反应，为学生提供安全的实践环境，但培养周期长、成本高，且易受生理状态、情绪波动影响，导致多数医学院校不能实现SP教学，加之学生人均实践时间不足，难以达到“熟练掌握”的教学目标^［3-4］。其次，目前见习反馈滞后且碎片化。传统见习中，带教老师需同时指导多名学生，难以实时观察每位学生的问诊逻辑与查体手法，通常仅能在见习结束后进行笼统点评，无及时反馈，常导致学生难以快速纠正错误^［5-6］。

近年来，人工智能技术的快速发展为解决上述问题提供了新思路。AI模拟诊疗系统可通过自然语言处理技术构建“高仿真标准化病人”，通过视频或图像还原人体解剖结构，实现“模拟训练+即时精准反馈”^［7］。已有研究^［8-9］证实，AI模拟教学可提升医学生对眼科、皮肤科常见病的见习效率，但针对呼吸系统疾病，特别是肺癌这类复杂病种的专项研究较少，且缺乏对“训练时长-教学效果”关联性的分析。基于此，本研究以临床医学本科见习生为对象，聚焦呼吸系统疾病中的肺癌病种，设置“AI模拟教学组”与“传统见习组”对照，通过客观指标（问诊/查体时间）与主观评分（内容完整性/操作规范性），系统评估30 min AI模拟教学对临床本科生肺癌病种见习效果的影响。

1 对象与方法

1.1 研究对象

选取中国人民解放军空军军医大学20xx级临床医学专业134名本科生为研究对象。纳入标准：① 已完成诊断学、内科学等基础课程学习，但无肺癌临床见习或相关培训经历；② 见习期间无请假、旷课等情况。排除标准：① 因疾病、外伤等无法完成问诊查体操作；② 既往有精神疾病或认知功能障碍。

采用随机数字表法将134名学生分为A组（对照组）与B组（干预组），A组69例，B组65例。两组学生基线资料比较：A组男56例、女13例，年龄（21.32±1.23）岁，诊断学课程成绩（85.81±4.46）分；B组男55例、女10例，年龄（21.57±1.40）岁，诊断学课程成绩（85.55±4.76）分。经独立样本t检验（计量资料）分析，两组基线资料差异无统计学意义（P>0.05），具有可比性。

1.2 研究方法

1.2.1 干预方案

所有学生均在空军军医大学第二附属医院呼吸内科病房分次分组开展呼吸系统疾病的肺癌病种临床见习，见习时长为4学时，由同年资带教老师（主治医师，工作年限满6年，持有高校教师资格证与临床教学资质证书）负责，见习对象为经病理学确诊的肺癌患者。A组（传统见习组）：带教老师先进行10 min肺癌病种理论回顾（含临床表现、问诊要点、查体规范等），后学生自行复习《内科学》“肺癌”及《临床诊断基础》“胸肺查体”相关内容30 min。随后每位学生独立对1例肺癌患者完成问诊与查体，带教老师不干预操作过程，仅记录时间与操作情况。B组（AI模拟教学组）：在带教老师进行10 min理论回顾后、正式开始病房见习前设置30 min AI模拟训练，使用豆包软件构建“医学AI模拟诊疗训练平台”。训练内容分为两模块：① AI模拟问诊训练（15 min）：通过AI平台构建“肺癌标准化模拟患者”（设定为58岁男性，主诉“咳嗽伴咯血1个月”，合并吸烟史30年），学生通过语音或文字向模拟患者提问，系统基于自然语言处理技术实时响应（如学生问“您咳嗽有痰吗？”，系统答“有白色黏液痰，偶尔带血丝，量约5~10 mL/d”）；训练结束后，系统生成《问诊完整性报告》，标记遗漏的关键要点（如“未追问吸烟年限”“未询问家族肿瘤史”），并给出优化建议。② 模拟查体训练（15 min）：AI平台提供人体胸部查体模块，标注肺癌查体重点部位（如锁骨上淋巴结等），提供典型体征（如“哮鸣音”）与“肺癌气道阻塞”等难点知识的原理解析，引导学生完成胸肺的“视诊-触诊-叩诊-听诊”查体知识要点回顾。

1.2.2 评价指标

所有学生均以“完成1例肺癌患者问诊及查体”为评价场景，采用“客观时间记录+主观标准化评分”结合的方式评估见习效果，具体指标如下：（1）问诊时间：从学生向患者说出第一句问诊语（如“您好，我是见习医生，想了解您的病情”）至问诊结束（如“感谢您的配合”）的时长，由带教老师用秒表记录，换算为分钟后取平均值。（2） 查体时间：从学生接触患者胸部开始查体（如“我现在为您检查胸部”）至查体结束（如“查体完毕”）的时长，记录与换算方式同问诊时间。（3） 问诊内容评分：根据问诊评分表（总分100分），包含7个维度：① 一般项目（姓名、年龄、职业，5分）；② 主诉（简洁准确描述主要症状与持续时间，3分）；③ 现病史（起病时间、诱因、症状特点、加重缓解因素、诊疗经过，30分）；④ 既往史（高血压、糖尿病等基础病，10分）；⑤ 个人史（吸烟史、职业暴露史、饮酒史，20分）；⑥ 家族史（肿瘤、遗传病，10分）；⑦ 系统回顾（呼吸、循环等系统相关症状，22分）。由2名未参与带教的高年资医师（副主任医师，工作年限超过10年，临床教学经验超过5年）根据学生的问诊记录（手写版）盲评，取平均分作为最终得分。（4）查体评分：制订肺癌患者相关查体评分表（总分100分），包含4个维度：① 一般检查（生命体征、营养状况、意识状态，10分）；② 胸部检查（视诊：胸廓、呼吸运动，10分；触诊：语颤、胸膜摩擦音，15分；叩诊：肺界、叩诊音，15分；听诊：呼吸音、啰音，10分）；③ 淋巴结检查（锁骨上、腋窝淋巴结，20分）；④ 操作规范性（手法正确、顺序合理、动作轻柔，20分）。评分方式同问诊内容评分，由2名盲评医师根据查体结果评分，取平均分。

1.2.3 质量控制

① 带教老师与盲评医师均参加2次专项培训，明确问诊/查体时间记录标准、评分表细则，通过模拟考核（对1例虚拟肺癌病例评分，一致性达90%以上）后方可参与本研究。② 采用组内相关系数^［10］检验2名盲评医师的评分一致性。

1.2.4 统计学方法

采用SPSS 26.0统计软件分析数据。计量资料以（\overline{x}±s）表示，组间比较采用独立样本t检验，以P<0.05为差异有统计学意义。

2 结果

2.1 两组学生基线资料比较

两组学生在年龄、性别构成、诊断学课程成绩等基线指标上，差异均无统计学意义（P>0.05），表明两组学生具有良好的可比性（表1）。

2.2 两组学生见习效果指标比较

相比传统见习组，在利用30 min AI模拟训练的干预后，B组学生问诊时间、查体时间、问诊内容评分及查体评分等指标均优于A组，差异有统计学意义（P<0.05），详见表2。

（1） AI模拟教学对临床本科生问诊及查体效率的提升效果显著。对比两组学生的问诊和查体时间，结果发现，B组问诊时间较A组缩短1.33 min（降幅9.9%），查体时间较A组缩短8.79 min（降幅37.1%），其中查体时间缩短幅度更为明显，提示AI模拟教学可能对“操作类技能”（如查体手法）效率的提升作用更为突出。

（2） AI模拟教学对临床本科生见习质量改善明显。对比两组学生的问诊内容评分及查体内容评分，结果显示，B组问诊内容评分较A组提高4.72分（增幅5.5%），查体评分较A组提高6.80分（增幅8.3%），提示AI训练与即时纠错功能可以明显提升学生的问诊水平，同时也能更好地解决学生在查体操作中的规范性问题。在肺癌重点见习内容的遗漏方面，我们统计了两组学生见习过程中出现重点问诊内容（包括3项内容：吸烟史、职业病史、家族史）和重点查体内容（包括4项内容：三凹征视诊、锁骨上淋巴结触诊、胸部叩诊、胸部听诊）遗漏的次数。结果显示，AI模拟训练组（B组）无论是在重点问诊内容还是重点查体内容的遗漏次数（占比）上，相较传统见习组（A组）而言均更低（表2），提示AI模拟教学有助于学生更全面地掌握肺癌见习内容。

3 讨论

本研究结果显示，30 min AI模拟训练教学可提升临床医学本科生呼吸系统常见疾病“肺癌”的见习效果，其原因可能与以下几方面有关。第一，AI模拟训练能够帮助临床医学生提高诊疗思维能力^［11］。第二，AI模拟教学能够缓解学生的操作焦虑。传统见习中，学生因缺乏这种“无风险”的实践机会，在突然面对真实患者时容易产生焦虑情绪（如担心“问错问题”或“接触患者”），导致问诊时频繁停顿、犹豫、纠结，查体时反复调整手法、不知所措，进而延长操作时间^［12］。而AI模拟诊疗情况下，学生可反复尝试问诊逻辑（如“先问现病史还是个人史”）、调整查体顺序和手法（如“听诊器胸件放置角度和位置”），直至熟练掌握。第三，AI模拟训练可以即时精准反馈问题，并帮助学生定位见习薄弱环节，提升见习内容完整性与操作规范性^［11］。传统见习的反馈多为“结果导向”（如结束后被告知：问诊遗漏吸烟史），缺乏具体操作过程中的细节指导（如及时提醒学生“未追问吸烟年限、每日吸烟量及戒烟史”），学生难以精准改进。而AI模拟教学具有及时反馈纠错的特点，有助于学生及时发现问题并解决问题。最后，病种专项模拟可以强化知识关联，有助于提升学生的临床思维适配性。肺癌的问诊与查体具有显著的“病种特异性”（如需重点询问“石棉、毒气等职业暴露史”，查体需关注“锁骨上淋巴结肿大、局限性哮鸣音”等）^［13］。AI模拟教学则聚焦肺癌病种，通过“场景化模拟”（如模拟患者合并“长期石棉接触史”）强化“症状-病史-体征”的关联性；在查体训练中，AI训练平台可以将“局限性哮鸣音”与“肺癌气道阻塞”的病理生理学机制相结合再进行讲解，使学生不仅会操作，还懂机理。这种专项化训练使学生的知识储备更适配肺癌见习场景，因此能更全面地完成问诊、更规范地进行查体。类似的结论在其他研究中同样被发现，例如有研究^［14-16］证实AI模拟教学或训练可使临床问诊中的病史采集更完善，疾病的阳性体征检出率更高，这与本研究的主要研究结论接近，提示AI对“问诊及查体类技能”的效率提升作用具有一定通用性。本研究的局限性：样本量与研究中心单一。本研究纳入1所医学院校134名学生，样本量较小且地域局限，可能存在选择偏倚，结果外推性需多中心、大样本研究验证。

本研究对临床医学教育改革的启示方面：① 可构建“AI模拟教学+临床见习”融合教学模式辅助医学生见习。将AI模拟教学纳入临床医学本科生见习教学规划，作为见习前训练环节，针对不同病种（如呼吸系统疾病、心血管疾病、消化系统疾病等）开发专项AI模拟教学模块，明确训练时长（20~30 min）与训练内容。在见习前1周鼓励学生在AI模拟教学平台开展相关训练。除凭借平台自身的纠错功能提升学生的见习能力之外，带教老师还通过系统后台查看学生的训练情况（如问诊完整性、查体阳性体征等），提前掌握学生薄弱环节，进一步进行针对性指导。② 可建立AI模拟教学效果评价体系。参考本研究的评价指标，结合临床需求制订符合要求的“AI模拟教学效果评价标准”，包括效率指标（问诊/查体时间）、质量指标（内容完整性、操作规范性）、能力指标（临床思维能力）及满意度指标（学生对AI模拟训练教学的满意度评分）等，开展评价研究，持续优化AI模拟教学内容与时长。

4 结论

在临床医学本科生肺癌病种临床见习前开展AI模拟教学训练，可缩短学生的问诊与查体时间，提升问诊及查体内容的完整性，同时兼顾临床见习的效率与质量。研究结论为AI技术在医学本科生的临床教学中的价值提供了实证依据。

参考文献

[1] 李玉骞，程洪瑜，辛洁，等. 关于医学生临床见习问题及改进措施的思考［J］. 婚育与健康，2023（18）：169-171．

[2] SIEGEL R L， MILLER K D， WAGLE N S，et al. Cancer statistics，2023［J］. CA：A Cancer Journal for Clinicians，2023，73（1）：17-48．

[3] 张帆，张燕萍，王均祎，等. 标准化病人结合案例教学在医学生问诊培训中应用分析［J］. 中国现代医生，2021，59（8）：141-144．

[4] 苏秀珍，黄秀峰，黄幼异，等. 高校临床医学专业“学生评教”的调查分析［J］. 右江民族医学院学报，2015，37（6）：869-871．

[5] 陈满涛，许艳，胡炽. 个性化教学在神经外科临床见习教学中的探索［J］. 中国高等医学教育，2025（1）：109-110．

[6] 关付，李广平. 见习医生焦虑程度与标准化病人技能考试成绩的关系［C］//国际数字医学会数字中医药分会成立大会暨首届数字中医药学术交流会论文集. 珠海，2016：453-454．

[7] 王洁，陶仲宾. 人工智能在医学教育中的应用现状、前景与挑战［J］. 甘肃中医药大学学报，2025，42（4）：102-105．

[8] 梁永顺 ．眼科临床见习课教学改革的研究进展［J］. 中国继续医学教育，2022，14（16）：25-28．

[9] 李丽，马琳. 人工智能技术在皮肤科教学中的应用［J］. 继续医学教育，2018，32（11）：17-18．

[10] 《药学与临床研究》编辑部. 如何正确运用组内相关系数进行一致性检验：药物研究中的统计学（一）［J］. 药学与临床研究，2018，26（1）：7-8．

[11] 杨鸿，周霞. 生成式人工智能在呼吸内科的应用进展［J］. 数理医药学杂志，2025，38（1）：60-66．

[12] 刘玉华，蒋文功，迟作华，诊断学问诊技能多维度教学改革探讨［J］. 中国高等医学教育，2016（12）：5-6．

[13] 刘春忻. 小细胞肺癌的病理诊断临床见习教学模式的探讨［J］. 齐齐哈尔医学院学报，2012，33（24）：3415．

[14] 丛慧源，玄明实，朱丹丹，等. 基于人工智能的中医标准化病人问诊模型开发与应用［J］. 中医教育，2025，44（4）：131-135．

[15] 周惠敏. 基于症状关联规律挖掘的2型糖尿病中医辅助智能问诊模型研究［D］. 福州：福建中医药大学，2023．

[16] 蔡彦韬，刘斌，李幼生. 全剧情一体化模拟教学在临床技能培训中的应用研究——基于AI问诊-模拟体检-虚拟手术的整合教学模式［J］. 中国医学教育技术，2025，39（06）：767-772.

基金资助

空军军医大学2023年度校级精品课程—呼吸系统疾病(JPKC2023YB013)