к.м.н.
г. Москва
PhD
Moscow
к.м.н.
г. Москва
PhD
Moscow
г. Москва
Moscow
д.м.н., профессор, академик РАН
г. Москва
DSc, Professor, Academician of the RAS
Moscow
Цель. Исследование посвящено современным формам реализации кейс-метода как ключевого инструмента в развитии клинического мышления врачей. Определены основные факторы, усложняющие создание ситуационных задач и ограничивающие масштабное применение этого метода в медицинском образовании.
Материалы и методы. Предложена концепция использования больших языковых моделей (LLM) для снижения сложности и трудоемкости разработки ситуационных задач в медицинском обучении.
Результаты. Разработан и протестирован прототип интерактивного кейса на базе LLM ChatGPT-4o, основанный на клинической рекомендации по хронической сердечной недостаточности. Прототип позволяет диалоговое взаимодействие с обучающимися, генерацию лабораторных и инструментальных данных, а также адаптацию сложности кейсов в режиме реального времени. Несмотря на эффективность, подтверждены риски, связанные с появлением ошибок генерации контента (так называемых "галлюцинаций").
Заключение. Предложена концепция применения LLM для автоматизации и улучшения кейс-метода в медицинском образовании. Сформулированы требования к разработке цифрового решения, которое позволит значительно упростить создание и модификацию ситуационных задач, а также обеспечит развитие клинического мышления врачей. Дальнейшие усилия должны быть направлены на минимизацию генеративных ошибок и создание специализированных интерфейсов для эффективного использования LLM в обучении.
Objective. The study is devoted to modern forms of case method implementation as a key tool in the development of clinical thinking of doctors. The main factors complicating the creation of situational tasks and limiting the large-scale application of this method in medical education are identified.
Materials and methods. The concept of using large language models (LLM) to reduce the complexity and labor intensity of developing situational tasks in medical education is proposed.
Results. A prototype of an interactive LLM ChatGPT-4o-based case study based on a clinical guideline for chronic heart failure has been developed and tested. The prototype allows dialogic interaction with learners, generation of laboratory and instrumental data, and real-time adaptation of case complexity. Despite its effectiveness, risks associated with the occurrence of content generation errors (so-called “hallucinations”) have been confirmed.
Conclusion. The concept of LLM application for automation and improvement of case method in medical education is proposed. Requirements for the development of a digital solution are formulated, which will greatly simplify the creation and modification of case problems and will ensure the development of clinical thinking of physicians. Further efforts should be aimed at minimizing generative errors and creating specialized interfaces for effective use of LLM in training.
The authors declare that there are no conflicts of interest present.