多模態(tài)人工智能在護(hù)理教育中的應(yīng)用

摘要： 隨著科技的不斷進(jìn)步和人工智能技術(shù)的快速發(fā)展，在護(hù)理教育中應(yīng)用多模態(tài)人工智能已成為一種趨勢。多模態(tài)人工智能處理來自不同感知來源的多種數(shù)據(jù)模態(tài)的能力，為護(hù)理教育創(chuàng)新帶來了新的機(jī)遇。旨在對多模態(tài)人工智能在護(hù)理教育中的應(yīng)用進(jìn)行探索，并分析其未來的發(fā)展趨勢。

關(guān)鍵詞：多模態(tài)；人工智能；護(hù)理教育；深度學(xué)習(xí)

DOI：10.3969/j.issn.1674490X.2024.03.011

中圖分類號：G4"""" 文獻(xiàn)標(biāo)志碼：A"""" 文章編號：1674490X（2024）03007605

Application of multimodal artificial intelligence in nursing education

PENG Wenli， CHENG Xinhua， ZHANG Xian

（School of Nursing，Chongqing College of Humanities， Science amp; Technology， Chongqing 400000， China）

Abstract： With the continuous progress of technology and the rapid development of artificial intelligence technology， the application of multimodal artificial intelligence in nursing education has become a trend. The ability of multimodal AI to process multiple data modalities from different perceptual sources opens up new opportunities for innovation in nursing education. The purpose of this paper is to explore the application of multimodal AI in nursing education and analyze its future trends.

Key words： multimodality; artificial intelligence; nursing education; deep learning

護(hù)理教育在未來護(hù)士應(yīng)對醫(yī)療保健服務(wù)中的復(fù)雜挑戰(zhàn)發(fā)揮著關(guān)鍵作用。然而，傳統(tǒng)的護(hù)理教育由于臨床環(huán)境的限制、時間的限制以及資源的有限性等因素，面臨諸多挑戰(zhàn)。近年來，人工智能技術(shù)，特別是多模態(tài)人工智能正在變革著各種教育環(huán)境中的教學(xué)和學(xué)習(xí)過程［1-3］。在護(hù)理教育中，多模態(tài)人工智能在創(chuàng)建交互式的模擬環(huán)境、提供個性化的學(xué)習(xí)體驗、實現(xiàn)知識融合和聯(lián)合學(xué)習(xí)以及在跨語言和跨文化教育方面表現(xiàn)出巨大潛力。同時，多模態(tài)人工智能在數(shù)據(jù)安全和隱私保護(hù)、技術(shù)培訓(xùn)和使用成本、教學(xué)設(shè)計和課程開發(fā)等方面面臨諸多挑戰(zhàn)。因此，本文對多模態(tài)人工智能在護(hù)理教育中的應(yīng)用進(jìn)行探索，并分析其未來的發(fā)展趨勢。

1 多模態(tài)人工智能的概念

多模態(tài)人工智能是一種融合多種感知模態(tài)和處理能力的高級人工智能系統(tǒng)［4］。傳統(tǒng)人工智能系統(tǒng)通常受限于處理特定類型或單一感知來源的數(shù)據(jù)，例如文字?jǐn)?shù)據(jù)或圖像數(shù)據(jù)。而多模態(tài)人工智能系統(tǒng)可以同時處理來自不同感知來源的多種數(shù)據(jù)模態(tài)，包括文字、語音、圖像、視頻等，通過綜合分析和交叉驗證這些數(shù)據(jù)，實現(xiàn)更加智能化的數(shù)據(jù)處理與決策［5］。

多模態(tài)人工智能系統(tǒng)的優(yōu)勢在于能夠綜合考慮多種信息來源，從而更全面地理解和處理數(shù)據(jù)。通過將不同的感知模態(tài)整合在一起，系統(tǒng)可以更準(zhǔn)確地對事物進(jìn)行識別、理解和分析，實現(xiàn)更加細(xì)致深入的數(shù)據(jù)挖掘和知識發(fā)現(xiàn)。例如，在醫(yī)療領(lǐng)域，多模態(tài)人工智能系統(tǒng)可以同時分析患者的臨床記錄、影像數(shù)據(jù)和生理信號，幫助醫(yī)生給出更準(zhǔn)確的診斷和治療方案［6-8］。

2 多模態(tài)人工智能在護(hù)理教育中的應(yīng)用

多模態(tài)人工智能在護(hù)理教育中具有巨大的應(yīng)用潛力。通過結(jié)合視覺、聽覺、語音等多種感知方式，可以為護(hù)理學(xué)生提供更為全面和深入的學(xué)習(xí)體驗，從而提高他們的學(xué)習(xí)效果和技能水平。

多模態(tài)人工智能系統(tǒng)可以結(jié)合虛擬現(xiàn)實或增強(qiáng)現(xiàn)實技術(shù)，創(chuàng)建交互式的模擬環(huán)境。學(xué)生可以在這種環(huán)境中進(jìn)行臨床技能模擬訓(xùn)練，例如進(jìn)行模擬注射、包扎等操作［9］。這種交互式學(xué)習(xí)模式可以讓學(xué)生在安全的虛擬環(huán)境中進(jìn)行反復(fù)模擬訓(xùn)練，增強(qiáng)學(xué)生的實際操作體驗，提高學(xué)習(xí)效果［10］。系統(tǒng)會實時記錄學(xué)生的操作數(shù)據(jù)，并根據(jù)操作的準(zhǔn)確性和效率給予實時的反饋，幫助學(xué)生不斷優(yōu)化自己的技能。王穎等［11］將虛擬仿真技術(shù)聯(lián)合雨課堂應(yīng)用于腸造口護(hù)理實踐教學(xué)中，結(jié)果顯示虛擬仿真技術(shù)聯(lián)合雨課堂有利于加強(qiáng)學(xué)生自主學(xué)習(xí)能力、激發(fā)學(xué)習(xí)興趣、培養(yǎng)臨床思維，有效提高了腸造口護(hù)理實踐教學(xué)質(zhì)量。李龍倜等［12］將多模態(tài)視角下虛擬現(xiàn)實技術(shù)應(yīng)用在骨科護(hù)理臨床實踐教學(xué)中，實踐表明多模態(tài)虛擬技術(shù)有助于提高護(hù)生的理論知識水平及臨床操作技能。盡管多模態(tài)人工智能結(jié)合虛擬增強(qiáng)技術(shù)有利于強(qiáng)化學(xué)生操作技能，但其設(shè)定好的固化操作流程與實際臨床操作存在一定差別，且虛擬患者并不能完全替代真實患者，應(yīng)注意加強(qiáng)學(xué)生人文關(guān)懷理念及護(hù)患溝通能力的培養(yǎng)。

多模態(tài)人工智能系統(tǒng)結(jié)合視頻、音頻和傳感器數(shù)據(jù)的融合，可以實現(xiàn)更加精細(xì)化的情景再現(xiàn)和情緒識別。通過模擬復(fù)雜的患者護(hù)理情境，系統(tǒng)能夠捕捉和分析患者的情緒變化、身體反應(yīng)以及言語表達(dá)，從而幫助護(hù)理人員更好地理解患者的需求和情緒狀態(tài)［13］。在這種多模態(tài)的模擬環(huán)境中，虛擬患者的情緒可以隨著護(hù)理人員的操作和交流而實時變化。通過對音頻和視頻數(shù)據(jù)的分析，系統(tǒng)可以識別患者的語音情緒、表情變化以及肢體語言，從而模擬真實臨床情境中的患者互動［14］。Muzammel等［15］使用深度神經(jīng)網(wǎng)絡(luò)進(jìn)行多模態(tài)臨床抑郁識別，結(jié)果顯示性能最佳的架構(gòu)使用不足8秒的語音片段成功檢測出抑郁癥；Aslam等［16］介紹了一種“基于注意力的多模態(tài)情感分析和情緒識別”的新框架，實驗結(jié)果證實該框架的性能在情感分析和情感分類的準(zhǔn)確率分別達(dá)到了85%和 93%。近年來，多模態(tài)情感分析和情緒識別因其廣泛的實際應(yīng)用而日益受到關(guān)注，但現(xiàn)階段有關(guān)情緒識別的多模態(tài)人工智能技術(shù)開發(fā)尚不成熟，未來應(yīng)關(guān)注開發(fā)在護(hù)理情境下情緒特征的準(zhǔn)確提取技術(shù)及在現(xiàn)實臨床中的投入應(yīng)用。

多模態(tài)人工智能系統(tǒng)可以根據(jù)學(xué)生的學(xué)習(xí)習(xí)慣、認(rèn)知風(fēng)格和學(xué)習(xí)需求，為其提供個性化的學(xué)習(xí)資源推薦，以提升學(xué)習(xí)效果和興趣。通過綜合分析學(xué)生在多模態(tài)學(xué)習(xí)環(huán)境中的表現(xiàn)數(shù)據(jù)，系統(tǒng)可以深入了解學(xué)生的學(xué)習(xí)偏好和行為，從而為其量身定制具有針對性的學(xué)習(xí)資源［17］。此外，系統(tǒng)還可以根據(jù)學(xué)生在不同學(xué)科領(lǐng)域或技能方面的學(xué)習(xí)表現(xiàn)，推薦適合其水平和興趣的學(xué)習(xí)內(nèi)容，以幫助學(xué)生更高效地掌握知識和技能。陳夢越［18］等基于職教云平臺將個性化學(xué)習(xí)模式應(yīng)用在《成人護(hù)理學(xué)》教學(xué)中，結(jié)果顯示基于職教云學(xué)生個性化學(xué)習(xí)模式有助于提高學(xué)生的知識掌握度、教學(xué)滿意度及自主學(xué)習(xí)能力。人工智能在滿足個性化學(xué)習(xí)輔助方面為護(hù)理教育的發(fā)展注入新動力，未來需要探索在護(hù)理教育中開展個性化學(xué)習(xí)的關(guān)鍵技術(shù)、主要路徑及效果評價。

知識融合和聯(lián)合學(xué)習(xí)是護(hù)理教育中的重要概念，多模態(tài)人工智能為實現(xiàn)理論知識和實踐技能的有機(jī)結(jié)合提供了新的可能性［19］。通過整合和聯(lián)合利用文本、圖像、視頻等多種模態(tài)的教學(xué)資源，多模態(tài)人工智能可以為護(hù)理學(xué)生提供更加豐富、生動和立體化的學(xué)習(xí)體驗，并促進(jìn)他們?nèi)嬲莆兆o(hù)理知識與技能。在知識融合的過程中，多模態(tài)人工智能可以將理論知識與臨床實踐相結(jié)合，打破傳統(tǒng)教學(xué)中理論與實踐的割裂，幫助學(xué)生更好地理解抽象概念與實際操作之間的聯(lián)系。張山等［20］采用Python爬蟲技術(shù)以及自然語言處理技術(shù)等，構(gòu)建了《內(nèi)科護(hù)理學(xué)》“課程目標(biāo)層+基礎(chǔ)知識層+問題體系層+教學(xué)資源層”的“四維”知識圖譜，旨在幫助學(xué)生掌握課程的基礎(chǔ)理論知識，提升學(xué)生利用知識解決問題的能力。想要在護(hù)理教育中實現(xiàn)知識融合和聯(lián)合學(xué)習(xí)，護(hù)理教育工作者需要提高自身在人工智能方面的能力，并與臨床實踐緊密結(jié)合保持教學(xué)內(nèi)容的及時性和實用性。

在跨語言和跨文化教育領(lǐng)域，多模態(tài)人工智能表現(xiàn)出了巨大的潛力和價值。針對來自不同文化和語言背景的護(hù)理學(xué)生，系統(tǒng)可以利用語音識別、自然語言處理和機(jī)器翻譯等先進(jìn)技術(shù)，實現(xiàn)跨語言的學(xué)習(xí)資源提供，促進(jìn)他們更加順利地融入和學(xué)習(xí)護(hù)理知識［21］。同時，系統(tǒng)還可以提供跨文化交流和合作的機(jī)會，促進(jìn)不同文化之間的理解和尊重，培養(yǎng)學(xué)生的跨文化溝通能力和社會適應(yīng)能力。Long等［22］研究表明，與人工智能教學(xué)模型互動的學(xué)生在跨文化溝通方面表現(xiàn)出更強(qiáng)的自信心和包容性。鐘汶汐等［23］研究表明，生成式人工智能能提供多樣化的語言表達(dá)和文化習(xí)慣，增強(qiáng)學(xué)生的文化意識和文化智慧，提高學(xué)生的文化包容性，提升他們在多元文化環(huán)境中的溝通能力。未來的多模態(tài)人工智能應(yīng)注重使用多樣性和包容性的數(shù)據(jù)集，確保覆蓋不同文化和語境，提高對各種文化背景和語境的理解和準(zhǔn)確性，確保智能模型的輸出符合文化敏感性的要求。

3 多模態(tài)人工智能在護(hù)理教育中面臨的挑戰(zhàn)

盡管多模態(tài)人工智能具有現(xiàn)有的優(yōu)勢和未來的潛力，目前，在護(hù)理教育中的應(yīng)用仍處于探索和發(fā)展階段，面臨著一些挑戰(zhàn)和限制。

多模態(tài)人工智能集成了視覺、聽覺和觸覺等多種模式的數(shù)據(jù)，其開發(fā)和維護(hù)涉及高度復(fù)雜的技術(shù)［24］。技術(shù)的復(fù)雜性不僅要求護(hù)理教育領(lǐng)域的教學(xué)人員、學(xué)生和技術(shù)人員有一定的人工智能知識，還需要有可靠的技術(shù)支持和資源。因此，應(yīng)建立多學(xué)科團(tuán)隊，包括教育工作者、技術(shù)專家和醫(yī)療專家，促進(jìn)跨領(lǐng)域合作。通過團(tuán)隊合作共同解決技術(shù)問題、設(shè)計課程內(nèi)容和評估教學(xué)效果。

多模態(tài)人工智能需要獲取和處理大量的個人信息和醫(yī)療數(shù)據(jù)，包括學(xué)生和患者的隱私數(shù)據(jù)。確保數(shù)據(jù)安全和隱私保護(hù)，以及遵循倫理規(guī)范是一個重要的挑戰(zhàn)［25-27］。因此，實施嚴(yán)格的數(shù)據(jù)加密和訪問控制政策，確保所有敏感數(shù)據(jù)都得到適當(dāng)?shù)谋Ｗo(hù)。在法律法規(guī)允許的框架內(nèi)進(jìn)行數(shù)據(jù)處理，并對所有涉及數(shù)據(jù)管理的人員進(jìn)行數(shù)據(jù)安全和隱私保護(hù)方面的培訓(xùn)。

多模態(tài)人工智能在護(hù)理教育技術(shù)培訓(xùn)和使用成本方面也存在著挑戰(zhàn)。教師和學(xué)生需要接受相關(guān)的技術(shù)培訓(xùn)，以熟悉和掌握多模態(tài)人工智能技術(shù)的應(yīng)用方法和操作流程。然而，培訓(xùn)師資和培訓(xùn)設(shè)施的投入成本需要考慮。另外，使用多模態(tài)人工智能技術(shù)也需要相關(guān)設(shè)備和軟件的支持，如虛擬現(xiàn)實設(shè)備、智能模擬人等。同時，隨著技術(shù)的不斷更新和升級，還需要投入資金更新設(shè)備和軟件，以保證教學(xué)質(zhì)量和可持續(xù)性。為了克服這些挑戰(zhàn)，教育機(jī)構(gòu)可以尋求外部合作與資助，如與企業(yè)或機(jī)構(gòu)合作共建實驗室或提供設(shè)備支持。此外，也可以考慮采用云服務(wù)等技術(shù)手段，來降低成本并提高效率。

4 多模態(tài)人工智能整合到護(hù)理教育中的未來趨勢

多模態(tài)人工智能在護(hù)理教育中的應(yīng)用可以為護(hù)理學(xué)生提供更為全面和深入的學(xué)習(xí)體驗，以增強(qiáng)他們的臨床實際操作技能、決策能力和護(hù)理溝通技巧。隨著技術(shù)的發(fā)展和需求的增長，多模態(tài)人工智能整合到護(hù)理教育中的未來趨勢主要包括以下幾個方面。

將多模態(tài)人工智能整合到護(hù)理教育中的課程亟待構(gòu)建。賓夕法尼亞大學(xué)護(hù)理學(xué)院創(chuàng)設(shè)了“人工智能+護(hù)理” 課程， 課程內(nèi)容包括人工智能技術(shù)原理、健康數(shù)據(jù)分析、虛擬現(xiàn)實模擬等［23］。同樣，杜克大學(xué)護(hù)理學(xué)院推出了“將技術(shù)整合到護(hù)理教育中”課程，旨在探索人工智能技術(shù)如何改善護(hù)理工作流程和增強(qiáng)溝通能力［28］。目前，雖然一些國內(nèi)高校嘗試開設(shè)相關(guān)課程，但整體上缺乏系統(tǒng)性和完整性。因此，未來需要根據(jù)中國護(hù)理教育的特點，組建包括教育學(xué)專家、護(hù)理專家以及人工智能專家在內(nèi)的跨學(xué)科教育團(tuán)隊，加快中國相關(guān)課程的構(gòu)建，推動中國護(hù)理教育智能化的快速轉(zhuǎn)變。

將多模態(tài)人工智能整合到護(hù)理教育中，需要構(gòu)建行業(yè)標(biāo)準(zhǔn)和評估體系。學(xué)生有可能利用人工智能技術(shù)作弊，編寫出高質(zhì)量的書面作品，從而避免被抄襲軟件檢測到，這破壞了高等教育中的許多主要依靠學(xué)生自行準(zhǔn)備和上傳的基于文本回答的傳統(tǒng)評估方法［29］。因此，需要發(fā)展切實的評估標(biāo)準(zhǔn)以及多維度的評價體系，結(jié)合學(xué)生反饋、學(xué)習(xí)成果和教學(xué)質(zhì)量，綜合有效評估多模態(tài)人工智能在教育中的應(yīng)用效果。

構(gòu)建高水平、高師資的護(hù)理教師團(tuán)隊是培養(yǎng)智能化護(hù)理人才的關(guān)鍵。護(hù)理教師團(tuán)隊需要提高自身在人工智能和大數(shù)據(jù)分析方面的能力，來適應(yīng)現(xiàn)代教育需求。高?？梢蚤_展定期的研討會或工作坊，讓教師們接觸到人工智能的最新進(jìn)展和應(yīng)用方式，在培訓(xùn)和學(xué)習(xí)過程中，重點應(yīng)聯(lián)系理論與實踐，讓教師有機(jī)會應(yīng)用他們學(xué)到的知識到現(xiàn)實的教學(xué)場景中［30］。同時，對教師提供在人工智能領(lǐng)域進(jìn)一步專業(yè)發(fā)展的機(jī)會，如短期研究項目、進(jìn)階課程或者認(rèn)證課程，使他們獲得更深層次的理解和技能。

5 小結(jié)

融合多種感知模態(tài)和處理能力的多模態(tài)人工智能技術(shù)為護(hù)理教育帶來了機(jī)遇和創(chuàng)新。多模態(tài)人工智能在創(chuàng)建交互式的模擬環(huán)境、實現(xiàn)精細(xì)化的情景再現(xiàn)和情緒識別、提供個性化的學(xué)習(xí)體驗等方面具有潛力。然而，目前多模態(tài)人工智能技術(shù)在護(hù)理教育中應(yīng)用還面臨著一些挑戰(zhàn)，如技術(shù)培訓(xùn)和使用成本、數(shù)據(jù)安全和隱私保護(hù)等。多模態(tài)人工智能整合到護(hù)理教育中未來應(yīng)注重“多模態(tài)人工智能+護(hù)理”的課程構(gòu)建、行業(yè)標(biāo)準(zhǔn)和評估體系的構(gòu)建以及高水平、高師資隊伍的構(gòu)建，加快推進(jìn)中國護(hù)理教育的智能化轉(zhuǎn)型。

參考文獻(xiàn)：

［1］NG F Y C， THIRUNAVUKARASU A J， CHENG H R， et al. Artificial intelligence education： an evidence-based medicine approach for consumers， translators， and developers［J］. Cell Rep Med， 2023， 4（10）： 101230. DOI： 10.1016/j.xcrm.2023.101230.

［2］SOENKSEN L R， MA Y， ZENG C， et al. Integrated multimodal artificial intelligence framework for healthcare applications［J］. NPJ Digit Med， 2022， 5（1）： 149. DOI： 10.1038/s41746-022-00689-4.

［3］NARAYANAN S， RAMAKRISHNAN R， DURAIRAJ E， et al. Artificial intelligence revolutionizing the field of medical education［J］. Cureus， 2023， 15（11）： e49604. DOI： 10.7759/cureus.49604.

［4］吳岸雄，趙嘉凌，黃少偉，等.多模態(tài)人工智能數(shù)據(jù)分析實驗服務(wù)平臺建設(shè)［J］.實驗室研究與探索， 2023， 42（4）： 188-193. DOI： 10.19927/j.cnki.syyt.2023.04.038.

［5］李詔宇.多模態(tài)人工智能正大步走向場景應(yīng)用新階段［N］.科技日報，2022-10-10（006）.DOI： 10.28502/n.cnki.nkjrb.2022.005715.

［6］ZHOU T X， RUAN S， CANU S. A review： deep learning for medical image segmentation using multi-modality fusion［J］. Array， 2019， 3/4： 100004. DOI： 10.1016/j.array.2019.100004.

［7］余妙如，張德富，曾偉，等.人工智能在心臟多模態(tài)影像中的應(yīng)用［J］.臨床心血管病雜志， 2023， 39（12）： 922-929. DOI： 10.13201/j.issn.1001-1439.2023.12.005.

［8］LIU H， ZHUANG Y Z， SONG E M， et al. A modality-collaborative convolution and transformer hybrid network for unpaired multi-modal medical image segmentation with limited annotations［J］. Med Phys， 2023， 50（9）： 5460-5478. DOI： 10.1002/mp.16338.

［9］KIEGALDIE D， SHAW L. Virtual reality simulation for nursing education： effectiveness and feasibility［J］. BMC Nurs， 2023， 22（1）： 488. DOI： 10.1186/s12912-023-01639-5.

［10］LIAW S Y， TAN J Z， LIM S， et al. Artificial intelligence in virtual reality simulation for interprofessional communication training： mixed method study［J］. Nurse Educ Today， 2023， 122： 105718. DOI： 10.1016/j.nedt.2023.105718.

［11］王穎，田建麗，焦亞輝，等.虛擬仿真技術(shù)聯(lián)合雨課堂在腸造口護(hù)理實踐教學(xué)中的應(yīng)用［J］.護(hù)理學(xué)雜志， 2024， 39（2）： 83-86.

［12］李龍倜，周慶煥，陳新，等.多模態(tài)視角下虛擬現(xiàn)實技術(shù)在骨科護(hù)理臨床實踐教學(xué)中的應(yīng)用［J］.衛(wèi)生職業(yè)教育， 2023， 41（24）： 92-95. DOI： 10.20037/j.issn.1671-1246.2023.24.28.

［13］趙小明，楊軼嬌，張石清.面向深度學(xué)習(xí)的多模態(tài)情感識別研究進(jìn)展［J］.計算機(jī)科學(xué)與探索， 2022， 16（7）： 1479-1503. DOI： 10.3778/j.issn.1673-9418.2112081.

［14］劉繼明，張培翔，劉穎，等.多模態(tài)的情感分析技術(shù)綜述［J］.計算機(jī)科學(xué)與探索， 2021， 15（7）： 1165-1182. DOI： 10.3778/j.issn.1673-9418.2012075.

［15］MUZAMMEL M， SALAM H， OTHMANI A. End-to-end multimodal clinical depression recognition using deep neural networks： a comparative analysis［J］. Comput Methods Programs Biomed， 2021， 211： 106433. DOI： 10.1016/j.cmpb.2021.106433.

［16］ASLAM A， SARGANO A B， HABIB Z. Attention-based multimodal sentiment analysis and emotion recognition using deep neural networks［J］. Appl Soft Comput， 2023， 144： 110494. DOI： 10.1016/j.asoc.2023.110494.

［17］CASTONGUAY A， FARTHING P， DAVIES S， et al. Revolutionizing nursing education through Ai integration： a reflection on the disruptive impact of ChatGPT［J］. Nurse Educ Today， 2023， 129： 105916. DOI： 10.1016/j.nedt.2023.105916.

［18］陳夢越，蔣師，劉春娜，等.基于職教云平臺的個性化學(xué)習(xí)模式在《成人護(hù)理學(xué)》教學(xué)中的實踐研究［J］.繼續(xù)醫(yī)學(xué)教育， 2019， 33（7）： 2-4. DOI： 10.3969/j.issn.1004-6763.2019.07.002.

［19］賈君枝，崔西燕，張貴香.人工智能技術(shù)對知識組織的影響：以知識圖譜為視角［J］.圖書館論壇， 2024， 44（2）： 1-8.

［20］張山，高麗，王艷玲，等.基于知識圖譜的“四維”《內(nèi)科護(hù)理學(xué)》智慧服務(wù)體系的構(gòu)建［J/OL］.護(hù)士進(jìn)修雜志：1-9［2024-05-07］.https：//read.cnki.net/web/Journal /Article/FSJX20240321003.html.

［21］徐月梅，胡玲，趙佳藝，等. 語言模型與多語言智能的研究進(jìn)展與啟示［J］.計算機(jī)應(yīng)用， 2023， 43（S2）： 1-8.

［22］LONG J J， LIN J X. An empirical study on cultivating college students' cross-cultural communicative competence based on the artificial-intelligence English-teaching mode［J］. Front Psychol， 2022， 13： 976310. DOI： 10.3389/fpsyg.2022.976310.

［23］鐘汶汐，毛弦筠，程靜，等.應(yīng)用生成式人工智能培養(yǎng)護(hù)理人才跨專業(yè)溝通技能的態(tài)勢分析［J］.中華護(hù)理教育， 2024， 21（3）： 282-288.

［24］趙朝陽，朱貴波，王金橋.ChatGPT給語言大模型帶來的啟示和多模態(tài)大模型新的發(fā)展思路［J］.數(shù)據(jù)分析與知識發(fā)現(xiàn)， 2023， 7（3）： 26-35. DOI： 10.11925/infotech.2096-3467.2023.0216.

［25］GRUNHUT J， WYATT A T， MARQUES O. Educating future physicians in artificial intelligence （AI）： an integrative review and proposed changes［J］. J Med Educ Curric Dev， 2021， 8： 23821205211036836. DOI： 10.1177/23821205211036836.

［26］WEIDENER L， FISCHER M. Proposing a principle-based approach for teaching AI ethics in medical education［J］. JMIR Med Educ， 2024， 10： e55368. DOI： 10.2196/55368.

［27］BOSCARDIN C K， GIN B， GOLDE P B， et al. ChatGPT and generative artificial intelligence for medical education： potential impact and opportunity［J］. Acad Med， 2024， 99（1）： 22-27. DOI： 10.1097/ACM.0000000000005439.

［28］Duke University School of Nursing. Academic Programs［EB/OL］. ［2023-7-10］.https：//nursing. duke. edu/academic-programs#program-select.

［29］GRAHAM F. Daily briefing： will ChatGPT kill the essay assignment？［J］. Nature， 2022-12-12. DOI： 10.1038/d41586-022-04437-2.Epub ahead of print.

［30］尚麗麗.新醫(yī)科背景下醫(yī)學(xué)研究生教育的思考［J］.醫(yī)學(xué)研究生學(xué)報， 2018， 31（10）： 1078-1081. DOI： 10.16571/j.cnki.1008-8199.2018.10.017.

（責(zé)任編輯：裘永強(qiáng)）

本文引用：彭穩(wěn)立，成鑫花，張憲.多模態(tài)人工智能在護(hù)理教育中的應(yīng)用［J］.醫(yī)學(xué)研究與教育，2024，41（3）：7680.DOI：10.3969/j.issn.1674490X.2024.03.011.

第一作者：彭穩(wěn)立（1992—），男，河南新鄉(xiāng)人，講師，碩士，主要從事護(hù)理教育研究。E-mail： pwl199469@163.com