基于ChatGPT的医学教育革新：技术视角下的虚拟床边教学二代系统开发与跨国验证

为解决COVID-19期间传统床边教学中断及AI聊天机器人灵活性不足的问题，香港大学与新加坡国立大学联合开发了第二代Bennie and the Chats系统，整合ChatGPT实现多语言支持与个性化病例模拟。研究通过混合方法（45名学生问卷调查与两代系统对比）证实，75.6%学生认可其提升学习效能，82.2%认为跨国病例共享拓宽了疾病认知。该成果为AI辅助医学教育提供了可扩展的技术范式，发表于《BMC Medical Education》。

　　

在COVID-19大流行期间，传统医学教育面临前所未有的挑战，尤其是依赖面对面互动的床边教学被迫中断。尽管第一代Bennie and the Chats聊天机器人尝试通过DialogFlow模拟病史采集，但其预设应答模式存在灵活性差、维护成本高、无法处理复杂问题等缺陷。随着ChatGPT等大型语言模型（LLM）的突破，医学教育领域亟需一种能动态响应、支持多语言且可模拟真实患者行为的智能工具。

香港大学与新加坡国立大学的研究团队针对这一需求，开发了基于ChatGPT的第二代Bennie and the Chats系统。该系统通过精心设计的提示词（prompt）控制AI行为，模拟不同性格（如暴躁、礼貌）和教育水平的虚拟患者，并整合Azure OpenAI的gpt-35-turbo模型实现多语言对话。研究采用混合方法：定量方面，对45名参与跨国虚拟床边教学的学生进行问卷调查；定性方面，对比两代系统的技术性能。

关键技术方法包括：1）基于JSON结构的病例数据管理，简化系统维护；2）动态提示词设计，将患者信息嵌入角色扮演指令；3）多语言与性格模拟功能开发；4）伦理保护措施（如数据去标识化）；5）使用Flutter框架实现跨平台应用部署。

研究结果显示：

1. 学习效能与体验提升：75.6%学生认为系统有效提升学习效能（中位数评分7/10），73.3%认可其改善学习体验（中位数8/10）。用户友好性（r=0.775）、关键词识别能力（r=0.863）与交互体验（r=0.862）均与整体评分显著相关。
2. 跨国病例共享价值：82.2%学生认为跨国病例库有助于接触非本地常见疾病（如新加坡的登革热与香港的鼻咽癌）。
3. 技术优势验证：相比第一代，新系统支持复杂问题处理（如多意图提问“您饮酒或吸烟吗？”）、多语言混合输入（粤语夹杂英语），且开发成本降低50%。

讨论部分强调，该系统通过三项创新解决了医学教育的核心痛点：

1. 动态适应性：ChatGPT的生成能力使病例响应更贴近真实临床场景；
2. 全球化教学：多语言支持与跨国病例库打破地域限制；
3. 伦理合规性：通过数据脱敏与匿名化设计符合HIPAA和GDPR要求。

该研究证实，AI聊天机器人可作为传统床边教学的有效补充，尤其在罕见病例（如水过敏）和紧急场景（如阑尾炎术前）模拟中具有不可替代的价值。未来方向包括整合医学影像生成（如DALL·E 2合成X光片）和语音交互功能，进一步逼近真实诊疗环境。论文发表于《BMC Medical Education》，为AI在医学教育中的规范化应用提供了重要技术蓝本。