约翰斯・霍普金斯大学近日发布医学教育领域创新成果：一款基于可解释人工智能（Explainable AI）的外科技能训练工具，该工具可在医学生进行缝合练习时，提供实时、个性化反馈，突破传统培训瓶颈。

研究团队通过海量专家级外科医生的操作视频及手部动作轨迹训练模型，让系统能在学生实操时即时识别动作偏差，并给出明确改进建议，解决了传统AI评估“只给评分不解释原因”的核心弊端。研究负责人表示，相较于当前主流的“观看示范视频+模仿”学习模式，新工具实现了从“告知差距”到“指导提升” 的跨越，清晰告知学习者“差在哪里、如何变好”。

在首次验证性研究中，12名具备基础缝合经验的医学生被随机分为“视频对照组”与“AI指导组”。结果显示，具备一定基础的学生在接收AI即时反馈后，学习速度显著提升，这类学习者更能将AI反馈有效融入动作调整，效果优于初学者。

未来，研究团队计划进一步优化模型使用流程，并探索家用化应用，拟通过“智能手机+基础缝合练习包”的便捷形式，让医学生在非临床环境中也能获得可视化、可解释的专业技术指导。该研究由计算机科学与医学影像领域学者联合完成，获约翰斯・霍普金斯DELTA基金与Link基金会建模与仿真培训奖学金支持。

摘自 约翰斯·霍普金斯大学官网 2025-12-1