大语言模型在中医诊断学教学中的应用

摘要/Abstract

摘要：

中医诊断学作为中医学的重要课程，其复杂的理论体系和高度实践性的特点对传统教学方法提出了挑战。当前教学模式主要依赖于课堂讲授和临床实习，存在学生参与度低、实践资源有限等问题。大语言模型能够显著提升学生的理论知识掌握情况和实践能力，同时增强学习积极性和自主学习能力。通过个性化的学习体验和丰富的虚拟实践资源，学生能够更加深入地理解中医诊断学的复杂理论体系，并在模拟环境中积累临床经验。本研究阐述大语言模型的技术基础和优势，提出利用大语言模型进行教学改革的思路，并通过实际应用案例展示其在个性化辅导、虚拟病例生成和模拟诊断训练中的具体应用，提出课程设计与教学方法多样化、师资培训与技术支持的重要性，强调通过灵活多样的课程设计和互动式教学方法，充分发挥大语言模型的优势，探索大语言模型与虚拟现实（VR）和增强现实（AR）技术的结合，开发智能学习平台，以提供更精准的个性化辅导和反馈。以期为大语言模型在中医诊断学教学中的应用提供借鉴和参考。

关键词: 中医诊断学, 大语言模型, 辅助教学

Abstract:

As an essential course in traditional Chinese medicine （TCM）， diagnostics in TCM presents challenges to traditional teaching methods due to its complex theoretical system and highly practical nature. The current teaching model mainly relies on classroom lectures and clinical internships， which suffer from low student engagement and limited practical resources. Large language models （LLMs） can significantly enhance students' grasp of theoretical knowledge and practical skills， while also boost learn enthusiasm and self-directed learning abilities. By providing a personalized learning experience and rich virtual practice resources， students can gain a deeper understanding of the complex theoretical system of TCM diagnostics and accumulate clinical experience in a simulated environment. This study elucidates the technical foundation and advantages of LLMs， proposes ideas for teaching reform using LLMs， and demonstrates their specific applications in personalized tutoring， virtual case generation， and simulated diagnostic training through practical application cases. It emphasizes the importance of diversified curriculum design and teaching methods， faculty training， and technical support， advocating for the full utilization of LLMs through flexible and diverse course designs and interactive teaching methods. Furthermore， it explores the integration of LLMs with virtual reality （VR） and augmented reality （AR） technologies to develop intelligent learning platforms， providing more precise personalized tutoring and feedback， to provide a reference for the application of LLMs in TCM diagnostics education.

Key words: TCM diagnostics； , Large language models； , Assisted teaching

中图分类号:

R-4
G642

顾任钧, 谷鑫.

大语言模型在中医诊断学教学中的应用 [J]. 中国医药导刊, 2024, 26(7): 737-741.

GU Renjun, GU Xin.

Application of Large Language Models in the Teaching of Traditional Chinese Medicine Diagnostics [J]. CHINESE JOURNAL OF MEDICINAL GUIDE, 2024, 26(7): 737-741.

参考文献

［1］徐升，佟佳睿，胡祥恩.下一代个性化学习：生成式人工智能增强智能辅导系统［J］.开放教育研究，2024，30（2）：13-22.

［2］王利，何建成.多元化教学模式在中医诊断学课程中的应用［J］.时珍国医国药，2023，34（12）：3011-3013.

［3］陈国卫，文昊林，范菊琴.大语言模型在教学中的应用研究情况与未来发展［J］.科学咨询（教育科研），2024，（3）：105-109.

［4］刘邦奇，聂小林，王士进，等.生成式人工智能与未来教育形态重塑：技术框架、能力特征及应用趋势［J］.电化教育研究，2024，45（1）：13-20.

［5］王萌，李岩琪，戴永娜，等.当下中医本科教育中问诊实训教学现状与改革［J］.中国中医药现代远程教育，2022，20（21）：190-191.

［6］郭睿，燕海霞，王忆勤.《中医诊断学研究思路与方法》的教学实践与思政引领探索［J］.中医药管理杂志，2024，32（2）：15-17.

［7］戴岭，赵晓伟，祝智庭.智慧问学：基于ChatGPT的对话式学习新模式［J］.开放教育研究，2023，29（6）：42-51，111.

［8］李峰，李儒婷，马捷，等.现代科技在中医诊断学实践教学和考核中的应用［J］.中国中医药现代远程教育，2024，22（11）：180-183.

［9］谢晖，朱守平，刘鹏，等.大语言模型＋智能评价的“双智”赋能现代工科微生物学混合式课程教学研究与实践［J/OL］.微生物学通报，1-14［2024-07-13］.https：//doi.org/10.13344/j.microbiol.china.240301.

［10］唐焕玲，卫红敏，王育林，等.结合LDA与Word2vec的文本语义增强方法［J］.计算机工程与应用，2022，58（13）：135-145.

［11］董家仁，刘广聪.基于GRU-CTC混合模型的语音识别方法研究［J］.现代计算机，2019，（26）：13-16.

［12］裴兰珍，赵英俊，王哲，等.采用深度学习的DGA域名检测模型比较［J］.计算机科学，2019，46（5）：111-115.

［13］林粤伟，张通，宋丹，等.基于Swin Transformer和CNN的汉字书法教学系统［J］.青岛大学学报（自然科学版），2024，37（1）：45-51.

［14］赵琛琦，王华虎，赵涓涓，等.视觉Transformer与多特征融合的脑卒中检测算法［J］.中国图象图形学报，2022，27（3）：923-934.

［15］李旻哲，殷继彬.融合BERT模型与词汇增强的中医命名实体识别模型［J］.计算机科学，2024，51（S1）：134-139.

［16］江启煜，孙晓生，谢波，等.中医智能推理辨证模型探索［J/OL］.世界科学技术-中医药现代化，1-14［2024-07-13］.http：//kns.cnki.net/kcms/detail/11.5699.r.20240228.1709.004.html.

［17］王泰一，靳擎，范梦月，等.GPT还是GLM？大模型应用于中医药现代化的机遇与挑战［J］.中国药理学与毒理学杂志，2023，37（S1）：5-9.

［18］程凯，张良芝，车志英，等.基于智慧课堂的中医诊断学线上线下混合式教学设计与实施策略［J］.中国中医药现代远程教育，2023，21（13）：4-6.

［19］王萌，李岩琪，戴永娜，等.当下中医本科教育中问诊实训教学现状与改革［J］.中国中医药现代远程教育，2022，20（21）：190-191.

［20］俞洁，闵莉，梁文娜，等.基于中医诊断学教学特点探讨混合式教学的设计［J］.中国中医药现代远程教育，2023，21（1）：26-28.

［21］王泰一，靳擎，范梦月，等.GPT还是GLM？大模型应用于中医药现代化的机遇与挑战［J］.中国药理学与毒理学杂志，2023，37（S1）：5-9.

［22］崔希亮.人工智能——语言教学的机遇与挑战［J］.华文教学与研究，2024，（2）：20-29.

［23］李盼飞，杨小康，白逸晨，等.基于大语言模型的中医医案命名实体抽取研究［J］.中国中医药图书情报杂志，2024，48（2）：108-113.

［24］谷鑫.远程临床实训系统教学模式在中医诊断学的应用［J］.中国中医药现代远程教育，2023，21（9）：168-170.

［25］李盼飞，杨小康，白逸晨，等.基于大语言模型的中医医案命名实体抽取研究［J］.中国中医药图书情报杂志，2024，48（2）：108-113.

［26］冯慧敏，谭红叶，林浩楠.基于混合提示学习的中医病案小样本分类方法［J/OL］.计算机应用与软件，1-7［2024-07-16］.http：//kns.cnki.net/kcms/detail/31.1260.tp.20240311.1533.002.html.

［27］戴岭，赵晓伟，祝智庭.智慧问学：基于ChatGPT的对话式学习新模式［J］.开放教育研究，2023，29（6）：42-51，111.

［28］汪莉，彭成东，徐文兵，等.基于人工智能的舌诊实训与考核平台的设计与应用［J］.陕西中医药大学学报，2023，46（1）：108-112.

［29］白雪玲，张丽萍，谷康，等.基于微信平台构建实施中医诊断学混合式教学［J］.中医药管理杂志，2022，30（8）：23-25.

［30］刘浩，张博达.互联网+背景下中医诊断学微课建设与应用研究［J］.中国中医药现代远程教育，2023，21（20）：165-167.

［31］郁晓华，彭源，胡婷玉.数字化课堂观察与反馈：现状、评述与实现路径［J］.开放教育研究，2024，30（3）：98-108.

［32］杜彩凤，李晶，严芳，等.中医诊断学课程学情与成绩关联性分析研究［J］.中国中医药现代远程教育，2020，18（22）：137-139.

［33］谷鑫，成娟，陆家康，等.中医定向委培生的学情分析与教学方法的思考［J］.中国中医药现代远程教育，2017，15（22）：33-36.

［34］谢晖，朱守平，刘鹏，等.大语言模型＋智能评价的“双智”赋能现代工科微生物学混合式课程教学研究与实践［J/OL］.微生物学通报，1-14［2024-07-14］.https：//doi.org/10.13344/j.microbiol.china.240301.

［35］吕颖毅.大语言模型对大学本科课程教学的多层次影响及启示——以投资银行学课程为例［J］.科教文汇，2024，（6）：126-129.

［36］谢红标，刘芳，覃浩轩.大语言模型在程序设计基础教学改革中的应用探索［J］.电脑知识与技术，2024，20（8）：39-42.

［37］苗逢春.生成式人工智能技术原理及其教育适用性考证［J］.现代教育技术，2023，33（11）：5-18.

［38］李海原.人工智能大语言模型对高校会计专业人才培养的冲击与启示［J］.科教导刊，2023，（15）：51-53.

［39］刘杨，罗振亮，吴大梅，等.项目驱动式-Seminar-OBE混合教学模式下中医“四诊”学习方式的探索［J］.创新创业理论研究与实践，2021，4（21）：178-180.

［40］郭瑾，谭朵廷，李金霞，等.中医诊疗设备研究现状［J］.医疗卫生装备，2023，44（5）：94-101.

［41］宋诗博，安二匣，樊西倩，等.中医四诊合参客观化研究思考［J］.中华中医药杂志，2021，36（11）：6560-6562.

［42］张孟之，高洁，李文，等.人工智能时代下的中医四诊客观化研究初探［J］.贵阳中医学院学报，2019，41（1）：100-102.

［43］田飞，常俊，赵静，等.中医四诊客观化研究面临的主要问题与挑战［J］.天津中医药，2015，32（7）：445-448.

快速检索引用检索图表检索高级检索