通过临床指南进行基于本体学的学生测试:一种AI方法

科学领域:

• 医学教育 医学教育
• 人工智能的人工智能
• 临床决策支持 临床决策支持

背景情况:

• 利用 25 年的 GLARE 系统经验.
• 解决医学生在临床指南遵守方面的有效培训方法的需求.
• 用人工智能弥合临床决策支持和教育应用之间的差距.

研究的目的:

• 提出一种基于计算机可解释临床指南 (CIG) 的创建和评估医学学生测试的新型设施.
• 使教师能够通过选择性地隐藏CIG部分并向学生展示案例研究来定义测试.
• 自动评估学生的行为与CIG相比,并解释差异.

主要方法:

• 开发一个与GLARE系统集成的新教育设施.
• 使用计算机可解释的临床指南 (CIG) 作为评估的"黄金标准".
• 采用知识表示和推理技术,自动比较学生提案与CIG建议.
• 利用医学本体学来识别行为和解释差异.

主要成果:

• 一个功能系统,支持为医学学生创建基于CIG的测试.
• 根据既定的临床指南对学生反应的自动评估.
• 解释生成机制强调学生行动和CIG建议之间的差异,使用医学本体学.

结论:

• 拟议的设施提供了一种强大的培训和测试医学学生根据临床指导方针行动的能力方法.
• 人工智能和CIG可以有效地用于教育目的,超越传统的决策支持.
• 该系统促进客观评估,并为学生提供有价值的反,提高他们的临床推理技能.