目的：探索大语言模型（large language model, LLM）在急诊研究生教学中的应用潜力。
方法： 依托超星泛雅平台，构建了“知识图谱+LLM”双引擎架构。通过梳理300余个急诊核心知识点构建课程知识图谱，进而以此图谱为基准，对通用大模型进行定向微调，形成了本课程的专属AI助教。在这一基础上，着重设计了“情景对话”与“思维阶梯”核心训练模块：前者让人工智能（artificial intelligence, AI）扮演患者，进行沉浸式问诊与多维度评价；后者作为苏格拉底式导师，借助思维链技术引导学生完成层层递进的临床推理。最后，我们将上述模式应用于29名研究生，通过开展“自主探究—课前准备—课堂互动—课后巩固—课外扩展”的五步教学任务设计，系统评估其教学有效性。
结果： 29名研究生累计在课程平台交互2700余次（生均访问量约93次）。本学期共设置17项AI实训任务，学生平均完成16.55次（完成率97.4%），任务参与度的方差为0.80。在AI实训能力画像的多维度客观评价中，以“急性胸痛”实训模块为例，班级在“致命性胸痛识别”核心临床逻辑维度的平均得分率为90.0%。期末问卷调查（发放29份，回收率100%）显示，93.1%（27/29）的学生对该教学模式表示满意，89.6%（26/29）的学生认为该工具显著提高了独自进行临床决策的信心。
结论： 我们探索构建的“情景对话+思维阶梯”方法，借助知识图谱约束与思维阶梯引导，既培养了学生高阶临床思维，同时也解决了AI幻觉和交流滞后的问题。
 

蒋森,许淑敏,王春雪,赵冬旸,张海涛,唐伦先. 大语言模型驱动的“情景对话+思维阶梯”模式在研究生急诊医学教学中的应用探索[J]. 中华急诊医学杂志, 2026,35(7): 1014-1018.
DOI号:10.3760/cma.j.cn114656-20251226-00952


关键词： 大语言模型 急诊医学 临床思维 知识图谱 情景对话