周易明：大模型如何为医学教育精准“导航”丨师说·华山

复旦大学附属华山医院普外科胃肠外科中心

副主任医师 周易明

医学面临信息爆炸与知识更新滞后的双重挑战，全球临床研究数量翻倍，而传统知识获得相对缓慢，语言壁垒与证据甄别耗时耗力。在华山医院党建引领下医院教师工作论坛暨“师说·华山”文化沙龙中，华山医院普外科副主任医师周易明分享了以临床需求为驱动，研发基于大语言模型ai工具，模拟临床思维链、助力医学教育从“知识灌输”迈向“场景化学习”的实践与思考。

为医学教育装上“导航”：以knows为例

我是来自普外科胃肠外科中心的周易明。我想分享一下自己参与开发的一个ai工具，以及这个工具可能应用到医学教育领域的一些思考。

循证的“时差”

区别于传统医学，现代医学的基石本质就是大量基于临床和基础研究形成的高质量证据。我们现行教科书里的每一条证据背后都对应某一个研究，如果这类研究足够古老、权威，便会成为常识，但新出现的研究，还未被写进指南、纳入临床实践时，搜集这些研究，使之值得参考，对于医生而言，则需投入大量时间与精力以甄别与消化。

现代医学面临着许多挑战，其中，信息过载是最严重的问题之一。2000年，全球每年注册临床医学研究数量不过2000项左右，二十年过去已经激增到超过每年2万项。并且，如今研究数量每五年都会翻一番。

信息快速更新，但教科书的更新周期长，在临床实践中，医生往往又需要以最新的高质量研究以及共识作为参考。我们做外科医生的大多都知道，现今有许多优秀的案例，没有很好地应用到临床实践当中来。在现代实践中，患者合并多种复杂病症又要求跨学科知识整合的能力。此外，大多数高质量研究都在国外医学期刊发表，可能存在的语言障碍，会进一步加剧这种信息不对称。

构建可信赖的“证据中枢”：

从rag到可追溯

基于这些复杂的现状，2016年左右，我开始探索构建以临床医学研究文献为核心语料的专用人工智能模型。这一探索历经波折，直到2022年chatgpt出现后，我们关于以人工智能高效整合并合理应用海量医学数据的设想才显现出清晰的路径。在ai时代，通过新工具的开发来简化繁琐的搜索、筛选、整合、输出过程，是否可行？这正是我最初的想法。

但是，chatgpt仍然有各种缺陷，比如，输出存在种种幻觉，提供的文献参考可能是编造的。此外，文献也可能缺乏时效性，无法应对复杂场景下的诊疗，可解释性、语料多样性等方面，也都存在缺陷。

最近几年，国家相关部门和上海市政府出台了许多专门的政策，大力支持人工智能在医学领域的发展。

在我个人看来，针对以上种种缺陷的解决方案，需要分为几步。

首先，是实现数据整合，包括公域文献数据与脱敏后的私域病例数据。广义的文献数据涵盖教科书、指南、论文、会议摘要，乃至病例报道和临床试验注册信息。此类为临床实践和教学打造的人工智能助手，必须具备的核心功能是自然语言的交互式问答。这一功能对于医学教育的价值，不仅限于华山医院，更有望惠及全国的青年学子，尤其是医疗资源相对匮乏地区的学生，意义更加重大。

其次，是确保证据的全面性与可溯源性。大模型产生幻觉，其根本原因在于训练数据或知识库的局限性，即证据量不足、覆盖不全。因此，要构建一个真正可靠的系统，首先必须确保生成的每一条结论都有明确、可核查的文献出处。

第三，是打破语言壁垒。鉴于大量高质量研究在英语杂志发表，精准的翻译功能是关键支撑。这不仅是为了向用户精准汇总和提炼证据，更是为了将全球文献纳入知识库。因此，我们不能直接套用通用翻译引擎，而必须构建一个可根据专业反馈实时更新的专用医学翻译引擎。

最后一个，是实现实时更新。面对前述的“知识爆炸”，临床医学证据瞬息万变。一旦有新文献发表或指南更新，大模型系统应能迅速将其纳入。其应用场景可包括基于问题和证据的学习（pbl）、个性化学习路径的制定，以及即时的评估与反馈。预期效果则在于全面提升学习效率、教学质量，并有效克服知识孤岛。

我们研发knows至今，主要是开发了融合的语料库，到现在为止，公域文献基本已经做好了。此外，我们也将顶级学术会议上的会议摘要、正在进行的注册临床研究以及药物说明书纳入其中。

我们所应用的垂类大模型训练技术主要是rag（retrieval augmented generation，检索增强生成）和sft（supervised fine-tuning，监督微调）。rag主要将生成和检索技术结合，通过外部知识的实时补充进行动态检索，从而解决幻觉、时效性不足和复杂场景理解等问题。相比之下，sft的成本更高，其运行逻辑不只依赖外挂知识库，更近似于对模型本身的“重塑”。sft的核心在于，通过大量源于临床实践的高质量问答数据，对模型进行特定领域的微调。如果能将这些对话转化为结构完善且经过精细清理的语料库，所训练出的垂直领域模型将能更好地适配医学教育的需求。

近年来，我们团队首先开发了《基于大语言模型的智能问答式结直肠癌专业文献搜索和内容生成引擎系统》。以此为基础，团队进一步与ai创业公司合作，共同开发了面向全医学领域的aigc工具knows。通过持续的训练与迭代，knows已能做到“零幻觉”、响应迅速、知识库日更。这些特性的支持，使其能够覆盖广泛的医学教学场景。目前，knows已在临床教学和研究生科研综述等场景中获得大量应用反馈，并在此基础上不断优化更新。

从“一个模型”到会协作的“智能体”

如果说知识库与rag把“对不对”解决了一半，另一半是“怎么想”。临床推理不是单点答案，而是“采集—鉴别—证据—决策—复核”的连续过程。单一模型即便强大，也难以在所有步骤都稳态发挥。因此，我们在教学场景引入了多智能体（agentic）设计，包括学生智能体、教师智能体，内容引擎、协调器，让多agent形成“闭环学习”。这四个模块，构成了我们面向cbl（case‑based learning）教学的智能体原型，与住培、专培实训贴合：从病史采集到鉴别诊断的逐步思考，在关键节点自动调取指南与高质量研究并给出结论摘要，进行准确评分，给出“哪一步错、为何错、如何改”，同时按弱项定制“二次学习—再评估”的个体化进阶建议。

ai赋能教育

接下来，我想分享关于ai如何推进医学教学变革的一些思考。

传统的医学教育模式，遵循着固定的路径：先是基础医学（如解剖组胚、生化生理、病理药理等），再到临床前课程（如诊断学、影像学），最后进入临床医学课程（内外妇儿、传染病、神经精神病学等），完成所有课程后才进入临床实习。然而，进入临床后，学生依然无法直接获得成为一名合格外科医生所必需的完整技能。从书本教学到临床岗位的实际工作，如病史采集、体格检查、医嘱处理、换药、沟通协调乃至手术操作，这中间需要一个有效的过渡桥梁。

诚然，目前已有pbl（problem-based learning）、cbl（case-based learning）等教学方法作为辅助手段，但我个人认为还有空间，创新的教学模式应转向基于真实场景框架的系统逆向学习。

以外科学为例。传统教科书提供了学科框架，包括其历史、定义、范畴（如肿瘤、外伤、炎症等）。但是，知识在“学习阶段”和“应用阶段”的特点截然不同。此外，外科门诊、急诊、病房和手术室等不同场景，对医师的技能和知识储备要求也各有侧重。外科学教学重点应置于此：提供一个临床导向的学习框架，然后以真实病例为驱动进行学习。新手医生首先要学习如何面对病人，从病史采集和体格检查入手，而这个过程本身就需要调用诊断学和解剖学的知识。

例如，当面对胃癌病例时，解读检查检验结果需要融合外科学和内科学知识；遇到黄疸或贫血并尝试解读检验结果时需调用实验诊断学，判断肿瘤分期时，又必须应用医学影像学知识。当新手医生开始接触手术，需要调动大一、大二时学习的局部解剖学和组织胚胎学等基础知识，但未必都能记得。因此，医学教育应更多地基于病例进行教学实践，即在分析真实病例、判断病情的过程中，将相关学科知识“镶嵌”进来，实现知识的即时应用。

ai大语言模型恰好能为此提供支持。它可以基于真实病例，生成海量的、可随机组合的模拟病例。这意味着，“标准化病人”未来可能部分被“虚拟人”替代。这种模拟实践，能让有志于从医的学生更早地接触临床实践环境，包括术后随访、功能康复等全流程，都可以引入这个基于真实场景框架的逆向学习系统来辅助教学，确保临床实践始终与可获得的最佳证据保持同步。在功能模块方面，一是构建模块化的基础知识结构，涵盖基础知识、临床案例和医学人文内容。二是实现智能化的案例学习，我们将标准化病例纳入大模型库，训练ai辅助医生进行病例学习。对于整个教育体系，ai的助力将实现实时高效的知识传播，使医学教学与临床实践更加紧密地融合。对于教师而言，这个互动体系也能根据数据反馈不断优化教学。

当然，我仍然强调，大模型生成的内容必须经过专家审核，并应引入对照研究来证实该教学方法的有效性。

以上是我的一些思考。供各位批判性参考。

华山科创① | 《文汇报》头版头条 华山医院临床医生研发医学ai引擎

讲者介绍

周易明

普外科

副主任医师

周易明，复旦大学附属华山医院普外科胃肠外科中心博士，副主任医师；大数据中心副主任（挂职）；九三学社华山支社委员；哈佛大学医学院，大阪医科大学访问学者。中国抗癌协会青年理事会理事、中国医师协会肛肠医师委员会青年工作组副组长 擅长胃肠肿瘤的综合治疗和个体化治疗、转移性及局部进展期胃肠肿瘤的转化治疗、腹腔镜及机器人胃肠肿瘤根治手术、超低位直肠的保肛根治手术、局部复发直肠癌的扩大根治手术；研究方向为超低位直肠癌的手术应用解剖，术式器械改进和术后精准康复；ai技术在医学知识增强和手术技术培训中的应用。曾获中国医师协会及中国抗癌协会腹腔镜结直肠手术视频比赛双料全国冠军；主持和参与国家自然科学基金、市经信委人工智能专项等国家级和省部级项目8项；发表sci论文30余篇 ；百度“文心杯”大模型创业大赛 医疗行业全国冠军（合作者）；大语言模型相关计算机软件著作权2项，获得百万级转化合同。

喜欢就奖励一个“”和“在看”呗

上观号作者：复旦大学附属华山医院