大语言模型辅助住院医师规范化培训课程设计：以胸部X线平片报告教学为例

钟京谕; 星月; 胡扬帆; 闵庆华; 朱才松; 施丹丹; 范晓彧; 褚敬申; 张欢; 姚伟武

doi:10.3760/cma.j.cn116021-20240922-01963

您当前的位置：

首页 >

文章列表页 >

大语言模型辅助住院医师规范化培训课程设计：以胸部X线平片报告教学为例

数智医学教育 | 更新时间：2026-02-13

- 大语言模型辅助住院医师规范化培训课程设计：以胸部X线平片报告教学为例
- Large language models in aiding course design for standardized residency training: a case study on teaching the interpretation of chest X-ray plain film reports
- 中华医学教育探索杂志 2026年25卷第1期页码：30-36
- 作者机构：
  
  1.上海交通大学医学院附属同仁医院影像科，上海 200336
  2.上海交通大学医学院附属同仁医院教学科，上海 200336
  3.上海交通大学医学院附属同仁医院院长办公室，上海 200336
  4.上海交通大学医学院附属瑞金医院《诊断学理论与实践》编辑部，上海 200025
  5.上海交通大学医学院附属瑞金医院放射科，上海 200025
- 作者简介：
  
  姚伟武，Email：yaoweiwuhuan@163.com
- 基金信息：
  
  2025年度上海高校市级重点课程［医学影像学（预防医学专业）］;上海交通大学2024年“生成式人工智能+教育”专项基金(CTLD24A0021);2024年秋上海交通大学“人工智能+教育”专项基金(CTLD24A0081);上海交通大学“数智课程”建设项目［医学影像学（预防医学专用）］;上海交通大学医学院2024年本科核心课程建设项目［医学影像学（预防医学专业）］;上海交通大学医学院2023年度本科教材建设项目［医学影像学（供预防医学专业用）］;上海市同仁医院萤星计划(TRYXJH28)
- DOI：10.3760/cma.j.cn116021-20240922-01963
  中图分类号： R-05
- 收稿：2024-09-22，
  
  纸质出版：2026-01-20
- 稿件说明：
移动端阅览
钟京谕, 星月, 胡扬帆, 等. 大语言模型辅助住院医师规范化培训课程设计：以胸部X线平片报告教学为例[J]. 中华医学教育探索杂志, 2026, 25(1): 30-36.

Zhong Jingyu, Xing Yue, Hu Yangfan, et al. Large language models in aiding course design for standardized residency training: a case study on teaching the interpretation of chest X-ray plain film reports[J]. Chinese Journal of Medical Education Research, 2026, 25(1): 30-36.
钟京谕, 星月, 胡扬帆, 等. 大语言模型辅助住院医师规范化培训课程设计：以胸部X线平片报告教学为例[J]. 中华医学教育探索杂志, 2026, 25(1): 30-36. DOI： 10.3760/cma.j.cn116021-20240922-01963.

Zhong Jingyu, Xing Yue, Hu Yangfan, et al. Large language models in aiding course design for standardized residency training: a case study on teaching the interpretation of chest X-ray plain film reports[J]. Chinese Journal of Medical Education Research, 2026, 25(1): 30-36. DOI： 10.3760/cma.j.cn116021-20240922-01963.

摘要

目的

评估大语言模型（large language model，LLM）辅助住院医师规范化培训课程设计的能力和风险。

方法

采用个案研究的方法，以胸部X线平片报告教学为例模拟了医学课程设计过程。构建了简体中文提示词要求文心一言和ChatGPT生成课程设计内容，客观记录了两者的回复内容和用时，主观判定了其辅助课程设计的能力和风险。

结果

文心一言和ChatGPT单次回复字数的中位数（范围）分别为442（93~653）字和543（117~843）字，回复总字数分别为4 469字和5 362字，对话分别耗时13 min 38 s和12 min 25 s。两者均能辅助课程设计，具备快速编写教案、生成教学材料的能力，但创造性总结的能力较为欠缺，存在虚构内容的风险。

结论

大语言模型尚不具备独立设计住院医师规范化培训课程的能力，其生成的内容在用于教学实践前必须经过专家优化和确认后才能用于教学实践，但LLM依然有望成为医学课程设计的助手，甚至撬动医学教育的变革。

Abstract

Objective

To evaluate the ability and risk of using large language models to aid the course design for standardized residency training.

Methods

This study employed a case study approach to simulate the process of medical course design

using teaching the interpretation of chest X-ray plain film reports as an example. The prompt words were constructed in simplified Chinese for both ERNIE Bot and ChatGPT to conduct course design. Their responses and response times were objectively recorded

and their ability and risk in aiding course design were subjectively determined.

Results

The median (range) of the number of words replied by ERNIE Bot and ChatGPT in one session was 442 (93-653) and 543 (117-843)

the total number of words replied was 4 469 and 5 362

and the response time was 13 min 38 s and 12 min 25 s

respectively. Both large language models were able to aid the course design. They have the ability in quickly writing teaching plans and generating teaching materials. However

they showed limited capability for creative synthesis and carried a risk of generating fabricated information.

Conclusions

The large language models do not have the ability to independently design the courses for standardized residency training. The generated information should be optimized and confirmed by experts before being applied in teaching practice. However

large language models hold promise as assistants in medical course design and could potentially drive transformative changes in medical education.

关键词

Keywords

references

Khurana D , Koli A , Khatter K , et al . Natural language processing: state of the art, current trends and challenges [J ] . Multimed Tools Appl , 2023 , 82 ( 3 ): 3713 - 3744 . DOI: 10.1007/s11042-022-13428-4 http://dx.doi.org/10.1007/s11042-022-13428-4 .

Thirunavukarasu AJ , Ting DSJ , Elangovan K , et al . Large language models in medicine [J ] . Nat Med , 2023 , 29 ( 8 ): 1930 - 1940 . DOI: 10.1038/s41591-023-02448-8 http://dx.doi.org/10.1038/s41591-023-02448-8 .

朱永新，杨帆 . ChatGPT/生成式人工智能与教育创新：机遇、挑战以及未来 [J ] . 华东师范大学学报（教育科学版）， 2023 ， 41 （ 7 ）： 1 - 14 . DOI: 10.16382/j.cnki.1000-5560.2023.07.001 http://dx.doi.org/10.16382/j.cnki.1000-5560.2023.07.001 .

Kung TH , Cheatham M , Medenilla A , et al . Performance of ChatGPT on USMLE: potential for AI-assisted medical education using large language models [J ] . PLoS Digit Health , 2023 , 2 ( 2 ): e0000198 . DOI: 10.1371/journal.pdig.0000198 http://dx.doi.org/10.1371/journal.pdig.0000198 .

Stoehr F , Kämpgen B , Müller L , et al . Natural language processing for automatic evaluation of free-text answers: a feasibility study based on the European Diploma in Radiology examination [J ] . Insights Imaging , 2023 , 14 ( 1 ): 150 . DOI: 10.1186/s13244-023-01507-5 http://dx.doi.org/10.1186/s13244-023-01507-5 .

贺樑，应振宇，王英英，等 . 教育中的ChatGPT：教学能力诊断研究 [J ] . 华东师范大学学报（教育科学版）， 2023 ， 41 （ 7 ）： 162- 176. DOI: 10.16382/j.cnki.1000-5560.2023.07.015 http://dx.doi.org/10.16382/j.cnki.1000-5560.2023.07.015 .

百度 . 文心一言 [EB/OL ] . ( 2023-08-31 ) [ 2023-09-26 ] . https://yiyan.baidu.com https://yiyan.baidu.com .

OpenAI . ChatGPT [EB/OL ] . ( 2022-11-30 ) [ 2023-09-26 ] . https://chat.openai.com https://chat.openai.com .

中国医师协会 . 中国医师协会关于印发住培内容与标准、基地标准（2022年版）的通知 [EB/OL ] . ( 2022-08-05 ) [ 2023-09-01 ] . https://www.ccgme-cmda.cn/news/15117/1/article https://www.ccgme-cmda.cn/news/15117/1/article .

张华平，李林翰，李春锦 . ChatGPT中文性能测评与风险应对 [J ] . 数据分析与知识发现， 2023 ， 7 （ 3 ）： 16 - 25 .

Almeida LC , Farina EMJM , Kuriki PEA , et al . Performance of ChatGPT on the Brazilian radiology and diagnostic imaging and mammography board examinations [J ] . Radiol Artif Intell , 2024 , 6 ( 1 ): e230103 . DOI: 10.1148/ryai.230103 http://dx.doi.org/10.1148/ryai.230103 .

倪闽景 . 从学习进化的视角看ChatGPT/生成式人工智能对学习的影响 [J ] . 华东师范大学学报（教育科学版）， 2023 ， 41 （ 7 ）： 151 - 161 . DOI: 10.16382/j.cnki.1000-5560.2023.07.014 http://dx.doi.org/10.16382/j.cnki.1000-5560.2023.07.014 .

李袁爽，张子航，王运武 . 基于ChatGPT的人机共教、共育和共创模式 [J ] . 中国医学教育技术， 2023 ， 37 （ 4 ）： 383 - 389， 396 . DOI: 10.13566/j.cnki.cmet.cn61-1317/g4.202304002 http://dx.doi.org/10.13566/j.cnki.cmet.cn61-1317/g4.202304002 .

王斌，田士来，王小成，等 . 以ChatGPT为代表的人工智能技术在医学教育中的机遇与挑战 [J ] . 医学教育研究与实践， 2023 ， 31 （ 4 ）： 402 - 405 . DOI: 10.13555/j.cnki.c.m.e.2023.04.002 http://dx.doi.org/10.13555/j.cnki.c.m.e.2023.04.002 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于AI互评的中国眼科住院医师规范化培训大语言模型应用现状分析

基于PDCA循环的“三明治”式反馈提高放射科住培师资教学阅片带教能力研究

中文大语言模型在放射医学中级专业技术考试中的正确率和答案解析质量

置信职业行为在胜任力导向的放射科住院医师规范化培训中的研究进展

正弦楔块细分机构的设计