本發(fā)明涉及虛擬診療教學，尤其涉及一種基于人工智能模型的教學目標反饋方法及系統(tǒng)。

背景技術(shù)：

1、隨著醫(yī)學教育模式的革新，虛擬診療教學系統(tǒng)逐漸成為臨床技能培訓的重要手段。但傳統(tǒng)臨床教學受限于實體醫(yī)療資源分布不均，難以滿足規(guī)?；t(yī)學人才培養(yǎng)需求?，F(xiàn)有虛擬患者系統(tǒng)（如kaplan、i-human等）雖能模擬基礎問診場景，但普遍存在智能化程度不足、反饋維度單一等問題，其反饋機制多基于預置規(guī)則庫的匹配式評價，無法動態(tài)評估學習者的臨床思維過程，對非結(jié)構(gòu)化診療行為的解析能力較弱。因此，當前亟需構(gòu)建一種具備實時多維度分析能力的智能反饋系統(tǒng)，通過深度學習方法實現(xiàn)診療行為的細粒度評估，并建立自適應學習機制提升醫(yī)學教育的精準化水平。

技術(shù)實現(xiàn)思路

1、本發(fā)明提供了一種基于人工智能模型的教學目標反饋方法，包括：

2、step1、根據(jù)當前的教學任務為虛擬診療窗口自定義創(chuàng)建虛擬患者；

3、step2、使用預訓練好的ai模型對學員做出的診療行為以及自然時間的推延自適應更新虛擬患者的病情數(shù)據(jù)；

4、step3、實時監(jiān)聽學員在虛擬診療窗口內(nèi)做出的診療行為，以及虛擬患者的病情演化數(shù)據(jù)，并將監(jiān)聽到的數(shù)據(jù)記錄下來，時序化后生成一個完整的臨床數(shù)據(jù)鏈；

5、step4、根據(jù)臨床數(shù)據(jù)鏈中患者的病情演化數(shù)據(jù)計算各個診療節(jié)點的病情惡化評分；

6、step5、根據(jù)病情惡化評分的計算結(jié)果為各個診療節(jié)點分配評估權(quán)重；

7、step6、基于分配好的評估權(quán)重創(chuàng)建細粒度的能力量化公式，并使用創(chuàng)建好的量化公式計算學員診療能力的量化結(jié)果；

8、step7、基于各學員診療能力的量化結(jié)果生成當前教學任務的反饋報告。

9、如上所述的一種基于人工智能模型的教學目標反饋方法，其中根據(jù)當前的教學任務為虛擬診療窗口自定義創(chuàng)建虛擬患者，具體分為以下子步驟：

10、定義虛擬患者的基本信息與病史；

11、定義虛擬患者主訴與次要癥狀；

12、將定義好的虛擬患者載入到虛擬診療窗口的對話引擎。

13、如上所述的一種基于人工智能模型的教學目標反饋方法，其中使用預訓練好的ai模型對學員做出的診療行為以及自然時間的推延自適應更新虛擬患者的病情數(shù)據(jù)，具體分為以下子步驟：

14、設置系統(tǒng)時間與虛擬診療窗口時間的換算比例，并以虛擬診療窗口時間為準，定期使用預訓練好的ai模型更新虛擬患者當前的病情數(shù)據(jù)；

15、通過對話引擎將學員做出的診療行為提取為表征向量序列；

16、將對話引擎輸出的表征向量序列實時輸入到預訓練好的ai模型，并根據(jù)模型的輸出結(jié)果更新虛擬患者當前的病情數(shù)據(jù)。

17、本發(fā)明還提供了一種基于人工智能模型的教學目標反饋系統(tǒng)，包括：虛擬診療模塊，病情動態(tài)模擬模塊，臨床數(shù)據(jù)記錄模塊，診療能力量化模塊，教學反饋模塊；

18、虛擬診療模塊，用于根據(jù)當前的教學任務為虛擬診療窗口自定義創(chuàng)建虛擬患者；

19、病情動態(tài)模擬模塊，用于使用預訓練好的ai模型動態(tài)模擬虛擬患者的病情演化過程；

20、臨床數(shù)據(jù)記錄模塊，用于記錄學員在虛擬診療窗口內(nèi)做出的診療行為，以及虛擬患者的實時病情數(shù)據(jù)；

21、診療能力量化模塊，用于根據(jù)記錄到的數(shù)據(jù)深度解析學員的臨床思維，量化學員的診療能力；

22、教學反饋模塊，用于基于各學員診療能力的量化結(jié)果生成當前教學任務的反饋報告。

23、本發(fā)明實現(xiàn)的有益效果如下：加強了臨床思維的深度解析能力，增強了教學數(shù)據(jù)的真實性；突破了傳統(tǒng)虛擬診療系統(tǒng)"重流程輕思維、重結(jié)果輕過程"的技術(shù)局限。

技術(shù)特征：

1.一種基于人工智能模型的教學目標反饋方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的一種基于人工智能模型的教學目標反饋方法，其特征在于，根據(jù)當前的教學任務為虛擬診療窗口自定義創(chuàng)建虛擬患者，具體分為以下子步驟：

3.根據(jù)權(quán)利要求1所述的一種基于人工智能模型的教學目標反饋方法，其特征在于，使用預訓練好的ai模型對學員做出的診療行為以及自然時間的推延自適應更新虛擬患者的病情數(shù)據(jù)，具體分為以下子步驟：

4.根據(jù)權(quán)利要求3所述的一種基于人工智能模型的教學目標反饋方法，其特征在于，通過對話引擎將學員做出的診療行為提取為表征向量序列，具體分為以下子步驟：

5.一種基于人工智能模型的教學目標反饋系統(tǒng)，用以執(zhí)行如權(quán)利要求1-4任一項所述的一種基于人工智能模型的教學目標反饋方法，其特征在于，包括：虛擬診療模塊，病情動態(tài)模擬模塊，臨床數(shù)據(jù)記錄模塊，診療能力量化模塊，教學反饋模塊；

6.根據(jù)權(quán)利要求5所述的一種基于人工智能模型的教學目標反饋系統(tǒng)，其特征在于，虛擬診療模塊具體包括：虛擬患者定義子模塊，虛擬患者載入子模塊；

7.根據(jù)權(quán)利要求5所述的一種基于人工智能模型的教學目標反饋系統(tǒng)，其特征在于，病情動態(tài)模擬模塊具體包括：病情自然演化子模塊，診療行為提取子模塊，診療行為響應子模塊；

技術(shù)總結(jié)
本發(fā)明公開一種基于人工智能模型的教學目標反饋方法及系統(tǒng)，涉及虛擬診療教學技術(shù)領域，所述方法包括：根據(jù)當前的教學任務為虛擬診療窗口自定義創(chuàng)建虛擬患者；使用AI模型對診療行為以及自然時間的推延自適應更新病情數(shù)據(jù)；實時監(jiān)聽診療行為以及病情演化數(shù)據(jù)；計算各個診療節(jié)點的病情惡化評分；根據(jù)病情惡化評分的計算結(jié)果為各個診療節(jié)點分配評估權(quán)重；基于分配好的評估權(quán)重創(chuàng)建細粒度的能力量化公式，計算學員診療能力的量化結(jié)果；基于各學員診療能力的量化結(jié)果生成當前教學任務的反饋報告。本發(fā)明加強了臨床思維的深度解析能力，增強了教學數(shù)據(jù)的真實性；突破了傳統(tǒng)虛擬診療系統(tǒng)"重流程輕思維、重結(jié)果輕過程"的技術(shù)局限。

技術(shù)研發(fā)人員：劉增會,姚?？?尤靜
受保護的技術(shù)使用者：北京華醫(yī)網(wǎng)科技股份有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/15