Sự phát triển nhanh chóng của các mô hình ngôn ngữ lớn (LLMs) đã mở ra những khả năng mới thú vị để chuyển đổi giáo dục y khoa. Bằng cách khai thác sức mạnh của các công cụ AI này, chúng ta có thể tạo ra các tài nguyên giáo dục sáng tạo và cung cấp cho các bác sĩ đang được đào tạo khả năng tiếp cận chưa từng có với kiến thức và tài liệu học tập. Cách tiếp cận này, được gọi là “giáo dục tổng hợp”, tận dụng LLMs để tạo ra nội dung mới phù hợp với nhu cầu cụ thể của các chuyên gia y tế.
Trong một nghiên cứu gần đây, chúng tôi đã khám phá tiềm năng của LLMs trong giáo dục da liễu bằng cách sử dụng GPT-4 của OpenAI để tạo các đoạn trích lâm sàng cho 20 bệnh về da và mô mềm khác nhau thường được kiểm tra trong Kỳ thi Cấp phép Y tế Hoa Kỳ (USMLE). Những đoạn trích này, trình bày các tình huống bệnh nhân thực tế, sau đó được các chuyên gia bác sĩ đánh giá về độ chính xác, tính toàn diện, chất lượng, khả năng gây hại và sự thiên vị về nhân khẩu học.
Kết quả nghiên cứu của chúng tôi rất đáng khích lệ. Các chuyên gia bác sĩ đã cho các đoạn trích điểm trung bình cao về độ chính xác khoa học (4,45/5), tính toàn diện (4,3/5) và chất lượng tổng thể (4,28/5), đồng thời cũng ghi nhận điểm thấp về khả năng gây hại lâm sàng (1,6/5) và sự thiên vị về nhân khẩu học (1,52/5). Chúng tôi cũng quan sát thấy mối tương quan mạnh mẽ (r = 0,83) giữa tính toàn diện và chất lượng tổng thể, cho thấy rằng các đoạn trích chi tiết và toàn diện là rất cần thiết cho giáo dục y tế hiệu quả. Tuy nhiên, chúng tôi cũng lưu ý rằng các đoạn trích thiếu sự đa dạng về nhân khẩu học đáng kể, làm nổi bật một lĩnh vực cần cải thiện trong các lần lặp lại trong tương lai.
Nhìn chung, nghiên cứu của chúng tôi chứng minh tiềm năng to lớn của LLMs trong việc nâng cao khả năng mở rộng, khả năng tiếp cận và khả năng tùy chỉnh của tài liệu giáo dục da liễu. Bằng cách giải quyết những hạn chế mà chúng tôi đã xác định, chẳng hạn như nhu cầu về sự đa dạng nhân khẩu học lớn hơn, chúng ta có thể tinh chỉnh hơn nữa các công cụ hỗ trợ AI này và khai thác toàn bộ tiềm năng của chúng để cách mạng hóa giáo dục y tế.
Sự Trỗi Dậy của LLMs trong Giáo Dục Y Khoa
Lĩnh vực giáo dục y khoa không ngừng phát triển, thích ứng với nhu cầu thay đổi của các thế hệ sinh viên và bác sĩ nội trú y khoa mới. Khi công nghệ tiếp tục phát triển, những bác sĩ đầy tham vọng này ngày càng tiếp xúc với một loạt các công cụ kỹ thuật số có thể bổ sung cho việc học tập của họ. Trong số các công nghệ này, các mô hình ngôn ngữ lớn (LLMs) đã nổi lên như một lĩnh vực đặc biệt đầy hứa hẹn, thu hút sự chú ý vì sức mạnh tính toán đáng kể của chúng.
LLMs là một loại mô hình học máy đã được đào tạo trên một lượng lớn dữ liệu văn bản từ nhiều nguồn khác nhau. Quá trình đào tạo sâu rộng này cho phép chúng thực hiện các nhiệm vụ có độ chuyên môn cao bằng cách tổng hợp và áp dụng những hiểu biết sâu sắc được thu thập từ các tập dữ liệu khổng lồ mà chúng đã xử lý. Ngay cả khi không được đào tạo rõ ràng trong lĩnh vực y tế, các mô hình tổng quát như GPT của OpenAI đã chứng minh hiệu suất ấn tượng trong môi trường lâm sàng, gợi ý về tiềm năng to lớn của LLMs trong y học.
Giải Phóng Tiềm Năng của Giáo Dục Tổng Hợp
LLMs cung cấp tiện ích chưa từng có trong giáo dục y khoa do khả năng tạo nội dung mới một cách nhanh chóng và hiệu quả. Mặc dù có sự quan tâm đáng kể đến việc áp dụng LLMs cho các nhiệm vụ giáo dục y khoa khác nhau, nhưng có rất ít nghiên cứu về cách các sáng kiến giáo dục do LLM hướng dẫn hoạt động trong các tình huống thực tế. Một ứng dụng đặc biệt đầy hứa hẹn nhưng chưa được khám phá đầy đủ của LLMs trong lĩnh vực này là việc tạo ra các đoạn trích lâm sàng.
Các đoạn trích lâm sàng là một thành phần quan trọng của giáo dục y khoa hiện đại, tạo thành một phần quan trọng của cả câu hỏi USMLE và giảng dạy dựa trên trường hợp tiền lâm sàng. Những đoạn trích này ngữ cảnh hóa kiến thức y tế bằng cách trình bày các tình huống thực tế đánh giá khả năng suy luận chẩn đoán, ưu tiên các chiến lược quản lý và hiểu biết về các yếu tố tâm lý xã hội của người học. Bằng cách mô phỏng thực hành y học phức tạp và sắc thái, các đoạn trích cung cấp đào tạo vô giá cho các bác sĩ tương lai.
Theo truyền thống, các đoạn trích lâm sàng có nguồn gốc từ các hiệp hội chuyên nghiệp, tài liệu nội bộ do giảng viên tạo ra hoặc các ngân hàng câu hỏi có sẵn trên thị trường. Tuy nhiên, việc tạo ra những đoạn trích này là một quá trình tốn nhiều công sức, đòi hỏi đầu vào đáng kể từ các bác sĩ có kinh nghiệm. Mặc dù các nguồn này cung cấp một mức độ kiểm soát chất lượng nhất định, nhưng khả năng tiếp cận và số lượng của các tài liệu này có thể khác nhau đáng kể giữa các tổ chức khác nhau và nền tảng kinh tế xã hội của sinh viên. Hơn nữa, việc có sẵn các đoạn trích hạn chế đã làm dấy lên lo ngại về việc lặp lại các câu hỏi kiểm tra trong các lần thực hiện USMLE.
Cách Mạng Hóa Giáo Dục Da Liễu với LLMs
Mặc dù hướng dẫn y tế về da liễu dựa nhiều vào đánh giá trực quan, nhưng việc trình bày lâm sàng toàn diện ngữ cảnh hóa quá trình bệnh lý cũng rất quan trọng. Các kỳ thi tiêu chuẩn như USMLE thường sử dụng các đoạn trích dựa trên văn bản để đánh giá kiến thức về các bệnh lý về da và mô mềm. Hơn nữa, thuật ngữ cụ thể được sử dụng để mô tả các tổn thương da là rất cần thiết để chẩn đoán và điều trị chính xác các bệnh về da.
LLMs cung cấp một cơ hội duy nhất để mở rộng khả năng cung cấp các đoạn trích dựa trên văn bản cho các tình trạng da liễu phổ biến trong giáo dục y khoa. Các LLMs hiện có trên thị trường, chẳng hạn như GPT, cung cấp sự linh hoạt để mở rộng các đoạn trích lâm sàng ban đầu, thích ứng với nhu cầu cá nhân của sinh viên khi họ đặt thêm câu hỏi. Trong nghiên cứu của chúng tôi, chúng tôi đã đánh giá tính khả thi của việc sử dụng GPT 4.0, mô hình nền tảng có sẵn công khai mới nhất của OpenAI, để tạo ra các đoạn trích lâm sàng chất lượng cao cho mục đích giáo dục y khoa.
Đánh Giá Hiệu Suất của GPT-4
Để đánh giá hiệu suất của GPT-4 trong việc tạo ra các đoạn trích lâm sàng, chúng tôi đã tập trung vào 20 bệnh về da và mô mềm thường được kiểm tra trong kỳ thi USMLE Step 2 CK. Chúng tôi đã thúc đẩy mô hình tạo các đoạn trích lâm sàng chi tiết cho từng tình trạng, bao gồm giải thích về chẩn đoán có khả năng nhất và lý do tại sao các chẩn đoán thay thế ít có khả năng hơn. Các đoạn trích này sau đó được đánh giá bởi một hội đồng các chuyên gia bác sĩ bằng cách sử dụng thang đo Likert để đánh giá độ chính xác khoa học, tính toàn diện, chất lượng tổng thể, khả năng gây hại lâm sàng và sự thiên vị về nhân khẩu học của chúng.
Đặc Điểm Đoạn Trích
Phân tích của chúng tôi về 20 đoạn trích lâm sàng đã tiết lộ một số đặc điểm chính:
Nhân Khẩu Học Bệnh Nhân: Các đoạn trích có 15 bệnh nhân nam và 5 bệnh nhân nữ, với độ tuổi trung bình của bệnh nhân là 25 tuổi. Chủng tộc chỉ được chỉ định cho 4 bệnh nhân (3 người da trắng, 1 người Mỹ gốc Phi). Tên chung được sử dụng cho 3 bệnh nhân, trong khi các đoạn trích còn lại không bao gồm tên.
Số Lượng Từ: Số lượng từ trung bình cho đầu ra của mô hình là 332,68, với độ lệch chuẩn là 42,75 từ. Phần đoạn trích lâm sàng trung bình là 145,79 từ (SD = 26,97), trong khi phần giải thích trung bình là 184,89 từ (SD = 49,70). Trung bình, phần giải thích dài hơn các đoạn trích tương ứng của chúng, với tỷ lệ độ dài đoạn trích trên giải thích là 0,85 (SD = 0,30).
Đánh Giá của Bác Sĩ
Đánh giá của các chuyên gia bác sĩ cho thấy mức độ phù hợp cao với sự đồng thuận khoa học (trung bình = 4,45, khoảng tin cậy 95%: 4,28-4,62), tính toàn diện (trung bình = 4,3, khoảng tin cậy 95%: 4,11-4,89) và chất lượng tổng thể (trungbình = 4,28, khoảng tin cậy 95%: 4,10-4,47). Các đánh giá cũng chỉ ra nguy cơ gây hại lâm sàng thấp (trung bình = 1,6, khoảng tin cậy 95%: 1,38-1,81) và sự thiên vị về nhân khẩu học (trung bình = 1,52, khoảng tin cậy 95%: 1,31-1,72). Các đánh giá thấp nhất quán cho sự thiên vị về nhân khẩu học cho thấy rằng những người đánh giá bác sĩ không phát hiện ra bất kỳ mô hình đáng kể nào về các đại diện rập khuôn hoặc bị lệch không cân đối của các quần thể bệnh nhân.
Phân Tích Tương Quan
Để đánh giá mối quan hệ giữa các tiêu chí đánh giá khác nhau, chúng tôi đã tính toán hệ số tương quan Pearson. Chúng tôi thấy rằng sự phù hợp với sự đồng thuận khoa học có tương quan vừa phải với tính toàn diện (r = 0,67) và chất lượng tổng thể (r = 0,68). Tính toàn diện và chất lượng tổng thể cho thấy mối tương quan mạnh mẽ (r = 0,83), trong khi khả năng gây hại lâm sàng và sự thiên vị về nhân khẩu học có tương quan yếu (r = 0,22).
Ý Nghĩa Đối Với Giáo Dục Y Khoa
Những phát hiện của nghiên cứu của chúng tôi có ý nghĩa quan trọng đối với giáo dục y khoa, đặc biệt là trong bối cảnh tăng cường giám sát các kỳ thi y tế tiêu chuẩn hóa. Nhu cầu về các tài liệu giáo dục chất lượng cao có thể được sử dụng cho các đánh giá như USMLE là quan trọng hơn bao giờ hết. Tuy nhiên, phương pháp truyền thống tạo ra các câu hỏi mới tốn nhiều tài nguyên, đòi hỏi các bác sĩ có kinh nghiệm viết các đoạn trích lâm sàng và nhiều lần thực hiện kiểm tra để đánh giá khả năng tổng quát hóa của chúng. Do đó, các phương pháp mới để phát triển nhiều đoạn trích lâm sàng độc đáo là rất mong muốn.
Nghiên cứu của chúng tôi cung cấp bằng chứng đầy hứa hẹn rằng các mô hình ngôn ngữ lớn như GPT-4 có thể đóng vai trò là nguồn “giáo dục y tế tổng hợp”, cung cấp các tài nguyên giáo dục có thể truy cập, tùy chỉnh và có thể mở rộng. Chúng tôi đã chứng minh rằng GPT-4 sở hữu kiến thức lâm sàng vốn có mở rộng đến việc tạo ra các mô tả bệnh nhân đại diện và chính xác. Phân tích của chúng tôi tiết lộ rằng các đoạn trích được tạo bởi GPT-4 cho các bệnh được kiểm tra trong phần Da & Mô Mềm của kỳ thi USMLE Step 2 CK là rất chính xác, cho thấy rằng LLMs có thể được sử dụng để thiết kế các đoạn trích cho các kỳ thi y tế tiêu chuẩn hóa.
Đánh giá cao về sự đồng thuận khoa học, tính toàn diện và chất lượng tổng thể, cùng với đánh giá thấp về khả năng gây hại lâm sàng và sự thiên vị về nhân khẩu học, tiếp tục hỗ trợ tính khả thi của việc sử dụng LLMs cho mục đích này. Mối tương quan thống kê mạnh mẽ giữa tính toàn diện của đoạn trích và chất lượng tổng thể nhấn mạnh tầm quan trọng của các bài trình bày trường hợp kỹ lưỡng và chi tiết trong giáo dục y khoa và chứng minh khả năng của LLMs trong việc cung cấp các tình huống có liên quan theo ngữ cảnh và đầy đủ cho suy luận lâm sàng.
Độ dài trung bình của các đoạn trích (145,79 ± 26,97 từ) nằm trong phạm vi độ dài đoạn trích USMLE, cho phép người dự thi khoảng 90 giây để trả lời mỗi câu hỏi. Việc bao gồm các giải thích dài hơn cùng với các đoạn trích thể hiện khả năng của LLMs trong việc tạo ra không chỉ mô tả bệnh nhân mà còn cả tài liệu giáo khoa hữu ích.
Giải Quyết Các Hạn Chế và Định Hướng Tương Lai
Mặc dù nghiên cứu của chúng tôi đã chứng minh tiềm năng của LLMs trong việc tạo ra các đoạn trích lâm sàng chất lượng cao, nhưng chúng tôi cũng xác định một số hạn chế cần được giải quyết trong nghiên cứu trong tương lai. Một mối quan tâm chính là sự đa dạng hạn chế trong nhân khẩu học bệnh nhân, với sự chiếm ưu thế của bệnh nhân nam và thiếu sự đa dạng về chủng tộc. Để đảm bảo rằng sinh viên y khoa được chuẩn bị đầy đủ để phục vụ các quần thể bệnh nhân đa dạng, điều quan trọng là phải kết hợp nhiều nỗ lực có ý thức hơn để bao gồm các đại diện bệnh nhân đa dạng trong kỹ thuật nhắc nhở và tập dữ liệu đào tạo mô hình. Các nghiên cứu trong tương lai cũng nên điều tra các nguồn và biểu hiện của sự thiên vị hệ thống trong đầu ra của mô hình.
Một hạn chế khác của nghiên cứu của chúng tôi là thành phần của hội đồng người đánh giá chuyên gia của chúng tôi, chỉ bao gồm một bác sĩ da liễu cùng với hai bác sĩ điều trị từ nội khoa và cấp cứu. Mặc dù những người đánh giá không phải là bác sĩ da liễu thường xuyên chẩn đoán và quản lý các tình trạng da thông thường trong các chuyên khoa tương ứng của họ, nhưng chuyên môn của họ có thể không bao gồm toàn bộ phổ bệnh da liễu. Các nghiên cứu trong tương lai sẽ được hưởng lợi từ tỷ lệ bác sĩ da liễu lớn hơn để đảm bảo đánh giá chuyên biệt hơn về các trường hợp do AI tạo ra.
Bất chấp những hạn chế này, công trình của chúng tôi cung cấp bằng chứng thuyết phục rằng các LLMs hiện có trên thị trường như GPT-4 có tiềm năng to lớn trong việc tạo ra các đoạn trích lâm sàng cho mục đích giảng dạy và kiểm tra tiêu chuẩn hóa. Các LLMs phù hợp với mục đích được đào tạo trên các tập dữ liệu cụ thể hơn có thể nâng cao hơn nữa các khả năng này. Độ chính xác và hiệu quả cao của “giáo dục tổng hợp” mang lại một giải pháp đầy hứa hẹn cho những hạn chế hiện tại trong các phương pháp truyền thống để tạo ra tài liệu giáo dục y khoa.