ChatGPT人工智能在超声规范化培训教学中的研究

［摘 要］ ChatGPT作为一种生成式的人工智能技术，通过深度学习大模型和海量数据训练，使得智能系统能够像人类一样理解、交流和回答问题。ChatGPT的快速发展会给知识的生产、传播、传授的方式带来巨大变迁。通过把ChatGPT与超声规范化培训教学相结合，设计了一套基于ChatGPT辅助学习的方法，包括使用ChatGPT制订个性化的超声基础知识学习计划、生成定制化学习内容、开展课堂教学模拟和学习效果评测等。通过ChatGPT构建的智能化辅助教学模式是一种个性化、自助式、交互式的学习方式，能够满足学生的多样化需求，从而提高学习效率，降低学习成本。ChatGPT辅助教学能够实现知识技能获取方式的多样化，通过模拟临床决策为实践提供指导，推进优质医疗教育资源的共享，对于提升医疗教学活动质量具有重要价值。

［关键词］ 人工智能；规范化培训；超声医学；计算机辅助教学

［基金项目］ 2021年度南京医科大学教学研究课题“基于人工智能的超声专业住院医师规范化培训测评系统”（2021LX058）；2022年度南京医科大学第一附属医院临床能力提升工程项目“基于深度学习的多模态超声成像技术在术前精准评估乳腺癌腋窝淋巴结转移的应用研究”（2022023）

［作者简介］ 俞飞虹（1986—），女，江苏泰州人，博士，南京医科大学第一附属医院超声科副主任医师，主要从事浅表超声及人工智能研究；王 慧（1984—），女，江苏宿迁人，博士，南京医科大学第一附属医院超声科副主任医师（通信作者），主要从事浅表超声研究。

［中图分类号］ G642.0 ［文献标识码］ A ［文章编号］ 1674-9324（2024）44-0159-04 ［收稿日期］ 2023-10-16

引言

人工智能系统ChatGPT是美国开放人工智能研究中心开发的大语言模型［1］。ChatGPT已逐步应用于医疗领域［2］。在临床方面，通过大量医疗知识的学习辅助医生制订治疗方案和诊断报告；在医疗教学方面，通过快速检索和互动学习改变学习和掌握医学技能的方式［3-4］。本文以超声专业规范化培训为例，探讨ChatGPT人工智能技术辅助超声规范化培训教学的新模式，将ChatGPT人工智能技术应用在教学过程中，通过拓展线上线下相结合的学习方式，从而提高学生的学习效率。

一、超声规范化培训教学分析

超声诊断学是完整的课程体系，包括人体解剖知识、超声操作手法以及病例诊断实践［5］。案例教学主要是通过选取典型患者病例，分析每个患者病例所包含的病史情况、病灶部位的超声图像、超声的诊断结论［6］。近年来，围绕超声教学规范化培训开展了相关研究，包括教学模式、教学方法、科研能力、岗位适应性等方面［7-8］。本文主要是把智能技术引入超声教学规范化培训。

二、ChatGPT的技术原理

ChatGPT是一个基于Transformer架构的自然语言生成模型。该模型利用有监督学习和强化学习等深度学习技术的组合来优化模型，可以用于文本生成、问题回答等多种任务［9-10］。ChatGPT的基本原理有以下几个方面。

（一）数据集

ChatGPT是一种统计机器学习模型，其实现依赖大规模的训练数据集。通过使用网络爬虫和数据接口进行数据的采集，使用文本处理技术对其进行预处理。这些数据集被用来训练ChatGPT的神经网络，从而为生成自然语言文本奠定基础。

（二）模型训练

ChatGPT模型的训练是采用无监督训练技术进行的。训练过程分为两个阶段，即语言模型训练和掩码语言模型训练。通过这种方式，模型可以学习到词汇、语法和语义等语言的基本规律及关系，从而更加准确地生成自然语言文本。

（三）网络微调

ChatGPT还可以通过微调技术来适应特定的任务。在网络微调的过程中，模型会通过特定的数据集进行有监督的训练。微调技术使用梯度下降的算法能逐步优化模型的权重和偏置并最小化损失函数，从而提高模型在特定任务上的效果。

（四）奖励模型

使用微调后的模型进行文本生成任务预测，可以获得一系列结果。把这些结果反馈给人类标注者，按照其偏好及他们遵循的共同准则，将预测的结果从好到坏进行标注。最后使用这些标注后的结果数据进行训练一个奖励模型。

（五）基于强化学习进行模型优化

在不使用人工标注的基础上，使用PPO技术持续更新策略参数。在优化训练过程中，策略就是基于该语言模型所接收的提示（prompt）作为输入，然后输出一系列文本。计算过程中按照策略的更改范围，限制在与先前策略的一定程度内，从而保证稳定性，得出的计算结果将用于更新模型的梯度。

三、基于ChatGPT的辅助教学设计

基于ChatGPT的辅助教学业务总体架构如图1所示，包括ChatGPT内部处理流程和辅助教学项目两部分。

（一）ChatGPT内部处理流程

如图1所示，ChatGPT的内部处理流程包括：

1.LI处理是指语言识别（language identification）。ChatGPT输入的信息可以是多种语言，具体是哪种语言需要先进行语种识别。完成语种识别后，根据语种的模型对输入信息进行处理。

2.EA处理是指对于输入信息进行情感分析（emotional analysis）。如果问题的情感存在负能量，则ChatGPT可以拒绝回答用户相关问题。

3.信息抽取（extract information，EI）即从用户输入的信息中提取关键特征。包括：命名实体识别（named entity recognition，NER）处理，用于提取问题中的医学专业术语等信息；句子相似性处理（sentence similarity，SS）处理，学生输入的信息可能存在歧义或错别字，此步骤可以进行调整和修改；文本分类（text classification，TC）处理，把学生输入的信息进行归纳分类，进一步定位到相关内容的搜索索引。

4.全文搜索：ChatGPT是一个自然语言处理和搜索引擎相结合的架构，通过EI处理获得的数据信息就是用于搜索的输入数据。例如，EI提取出NER=医学术语，TC=甲状腺超声，就可以去搜索医学索引中有关甲状腺超声的内容，从而给出答案。

5.文本生成是对大量搜索结果通过回归模型来进行选取，生成符合问题要求的文本内容。

（二）ChatGPT辅助教学设计

ChatGPT在教学、科研、生活等多个领域发挥了巨大的作用，本研究是在我们前期研究的基础上，通过借鉴ChatGPT辅助教学思想来实现超声教学规范化培训［11］。项目主要包括以下方面：

1.制订学习计划。ChatGPT可以根据规培生的学习时间和计划、学习的课程内容，个性化定制符合学生要求的学习方案。例如，输入“如何一个星期学完《超声基础》”，ChatGPT会立刻制订出详细的每日学习计划。

2.生成学习内容。通过给ChatGPT输入需要学习的内容指令，它可以自动生成相关的学习内容，从而提高学生的学习效率。例如，输入“超声检查的常用技术有哪些”，ChatGPT可以迅速给出二维超声、彩色多普勒、超声造影等常用技术的详细介绍。

3.开展教学模拟。通过与ChatGPT进行模拟对话，更好地了解超声规培中的重点和难点，从而帮助学生掌握重点知识。

4.学习效果测评。ChatGPT可以直接生成测验和考试，从而帮助学生进行自我评估。比如，输入“设计一份关于超声检查的常用技术的测试报告”，如表1所示。在生成的10个问题中有6个是测试基础理论的，有4个则与操作实践相关，对超声规范化教学培训有很好的辅助作用。

5.ChatGPT除了可以帮助学生自主学习，还可以帮助教师进行辅助教学，包括课前教学准备、课堂助手以及个性化教学设计等。

四、ChatGPT技术辅助教学优势

ChatGPT能在规范化培训中提供更专业的医学资料，对于提升规范化培训等医疗教学活动具有重要价值［12］。该系统融合了自然语言处理、机器学习、语音识别、知识图谱、教授点评系统等AI技术，对超声专业医学生的规范化管理进行推广。

（一）获取知识技能方式的多样化

ChatGPT为参与规范化培训的学生充分提供发挥自身主体性的机会。

1.知识获取更加便捷。ChatGPT通过海量知识的医学学习能够快速生成涵盖超声、解剖等各类专业的学习材料，从而帮助学生学习和复习专业知识。

2.交互式学习更加专注。ChatGPT依据人类学习思维的对话模式能够为学生提供良好的互动学习体验，使其能够更加集中注意力学习。

3.陪伴式学习更加高效。ChatGPT不仅是对知识的检索，还利用智能技术为学生提供多元的学习支持服务，包括帮助学生进行学习计划制订、时间管理、学习任务设计等。

（二）提供模拟临床决策的指导性

ChatGPT可以不断完善规培生的知识结构并更新其所掌握的技能，从而辅助和指导规培生做出正确的临床决策。ChatGPT掌握的海量知识几乎是所有医疗行业人员掌握的信息总和。因此，ChatGPT具有高级医生解决问题的逻辑推理能力，将有效特征和经验从大型数据信息库中提取出来，通过多达数十亿参数的调整，为学生提供有价值的诊断依据和治疗决策。

（三）推进优质医疗教育资源的共享性

ChatGPT能够通过文字直接生成相应的图片和三维模型。例如，超声规范化培训教育需要熟悉典型病例的超声图像，以及人体结构等各类器官解剖模型等。教学资源能够适应不同医疗教学需求，实现教学工具和教学方式的创新。ChatGPT的应用使得基于AI的医疗教学从专用的、局部的应用转变为连接、共享、智能的教育平台。

结语

本文通过把ChatGPT人工智能技术运用并融入超声教学和学生自主学习的过程，优化教学方法并提升学习效果。ChatGPT创新技术运用过程中的一些问题也不能忽视。例如，如何提高智能诊疗的及时性和患者的接受度，如何保证ChatGPT技术所提供的教学和指导的准确性和可靠性，等等。这些问题既是ChatGPT技术带给我们的挑战，也是机遇。

参考文献

［1］刘禹良，李鸿亮，白翔，等.浅析ChatGPT：历史沿革、应用现状及前景展望［J］.中国图象图形学报，2023，28（4）：893-902.

［2］陈梦媛.ChatGTP+医疗能擦出怎样的火花［J］.人人健康，2023（6）：14-15.

［3］费晓璐，刘蓓蓓，李嘉，等.基于自然语言技术进行血管超声报告智能生成诊断提示的探索［J］.中国数字医学，2021，16（2）：21-25.

［4］张绒.生成式人工智能技术对教育领域的影响：关于ChatGPT的专访［J］.电化教育研究，2023，44（2）：5-14.

［5］刘洋，李璐，张丽，等.“互联网+”教学模式下超声诊断学混合式教学设计与实践［J］.西部素质教育，2022，8（4）：122-124.

［6］刘莉红，王锡菊，殷伟红，等.案例式教学法在超声科教学中的应用研究［J］.中国继续医学教育，2022，14（5）：62-65.

［7］朱江，傅晓凤，司星，等.超声医学科住院医师规范化培训教学探索［J］.全科医学临床与教育，2021，19（4）：348-350+354.

［8］胡巧洪，李潜，熊丹蕾，等.住院医师规范化培训超声专科医师科研能力培养的探索［J］.全科医学临床与教育，2022，20（6）：538-540.

［9］高永兵，黎预璇，高军甜，等.基于用户意图的微博文本生成技术研究［J］.计算机工程，2022，48（1）：119-126.