近日，在四川大学江安校区的一堂生理学课上，华西基础医学与法医学院杨文星教授正围绕“膝跳反射”的形成机制展开讲解。与以往不同的是，课堂中多了一位全天候在线的智能学伴——“慧医（WiseMed）基础医学教育专用大模型”（以下简称“慧医大模型”）AI助教“小慧”。张同学通过平板电脑向“小慧”提问：“膝跳反射的刺激部位是肌腱，为何感受器却非肌腱内的腱器官，而是距离更远的肌梭？”“小慧”瞬间给出的答复不仅在微观层面厘清了肌梭作为感受器的生理逻辑，还主动串联起骨骼肌牵张反射的完整知识脉络，将单一疑问扩展为一次系统化复习。回答结束后，“小慧”贴心地弹出提示，询问张同学是否将该回答归档为个人笔记，以便日后巩固复习。与此同时，这一问一答的内容也在后台被自动记录，杨文星教授可随时查看，及时、精准地掌握每位学生的学习动态与知识盲区。
这一流畅的“师-生-机”三元协同互动，依托的正是由教育部“首批生成式人工智能教育专用大模型建设项目”支持、四川大学牵头研发的“慧医大模型”。
举校机制：共筑医学教育数字基座
2024年，在大力推进教育数字化的关键节点，四川大学以有组织的“举校机制”启动“慧医大模型”自主研发。叶玲、游劲松两位分管校领导牵头谋划、整体布局，项目主要负责人之一、四川大学华西基础医学与法医学院院长梁伟波教授集结学校基础医学教育专家，与人工智能学院段磊教授团队以及电子科技大学宋超副教授团队紧密合作，并联动华西医学中心、教务处、信息化办、图书馆、科研院等多个校内部门，同时联合10所兄弟院校与多家技术企业协同攻关。
目前，“慧医大模型”已全面具备智能问答、智慧备课、课堂教学、智能组卷、自动阅卷、学情分析等核心功能，完整覆盖医学教育“教、学、练、测、评、管”全流程。以“教师引导、学生主导、AI赋能”为特征的新型教学模式，也已全面覆盖四川大学《解剖学》《生理学》等全部医学基础核心课程，并加速向“14+N”医学基础课程群及临床类课程辐射。从经验传授走向个性发展，一场深刻的范式迁移正在重新定义“未来课堂”。
杨文星教授引导“师-生-机”新形态《生理学》课堂
从学习者到“知识共建者”：超千万三元组筑牢医学“知识森林”
当前AI助教、AI助学在医学课堂中的应用渐成常态，然而通用大模型在面对解剖结构、药物禁忌等关乎生命底线的知识时，仍可能出现无法预测的“AI幻觉”。“慧医大模型”为此构筑起一道坚实的知识防线——其核心基础是一张涵盖超千万个人工校验医学精细三元组的“深度知识地图”（Deep Knowledge Map, DKM）。这些三元组并非直接取自机器输出，而是由团队组织数千名医学生，在专业教师的指导下，对AI基于高质量教学资料生成的内容进行逐条校验与修正。深度的人工干预有效纠正了机器可能产生的错误，使知识地图能够精准反映医学知识的内在逻辑与临床实践需求。在此基础上，模型搭载自主研发的“图神经网络联合检索增强生成”（GNN-Graph-RAG）核心引擎，一举破解了通用大模型因“黑箱机制”和“无法溯源”而引发的幻觉难题。“慧医大模型”依托全国产化硬件的安全底座。所有数据在校内闭环，确保涉及患者隐私与教学核心的敏感资料不出校园，这是医学教育数字化进程中必须守护的安全底线。
更为深远的是，数千名医学生在专业知识的校验中深度参与，完成了一次高强度的“探究式学习”。“参与三元组校验，让我对基础医学知识的逻辑结构有了更深的理解。在建设‘慧医大模型’的过程中，自己也把知识点梳理得更清楚了，这是一种全新的学习体验，也对使用‘慧医大模型’有了更多的理由和期待。”2024级本科生向同学的心声，道出了“慧医”与其他大模型最本质的区别——“建设者即使用者”，让知识共建本身成为一场深度学习。
教师的“智慧外挂”：备课不再“开盲盒”，教学有了“显微镜”
如果说“慧医”为学子铺就了一条个性化学习路径，那么对于站在讲台上的教师而言，它更是重构医学课堂的坚实“砖石”，而非锦上添花的替代工具。
过去，教师想了解学生的知识盲区，只能依赖课后作业或阶段性考试，反馈不仅滞后，更难以做到全面精准。如今，“慧医大模型”让学情分析的颗粒度实现了质的跃升。一堂《生理学》课后，杨文星教授在系统中发现一条重点提示：学生关于“特异性阻断剂”相关题目的错误率异常偏高。他当即调整教学安排，在第二节课上专门增设了针对该薄弱点的讨论环节。“以往我只能凭感觉猜测学生哪里没听懂，现在相当于拿到了一份精准的‘诊断报告’。”杨文星感慨道，“教学不再是‘开盲盒’，而是拿着‘显微镜’做精准干预。”
“慧医”学情分析帮助教师精准掌握学生知识点掌握薄弱环节
在课堂即时互动中，“慧医”同样为教师卸下了知识检索的重负，让每一次“刁钻”提问都转化为深度学习的契机。以往学生在课堂上提出的问题，很难当场得到解答，课后追着老师问，一些跨学科的“刁钻”问题往往也无法立刻解决。在“慧医大模型”加持的《医学微生物学》课堂上，学生只需将“S蛋白与ACE2受体结合机制”这样的疑惑抛给AI助教“小慧”，它便能即刻调用底层知识图谱，给出精准回答，并清晰附上溯源出处。更让学生感到“解渴”的是，“小慧”提供了两种学习模式：若想快速了解基础解释，可使用“直答”模式；若想追根究底、看清知识全貌，则可切换至“图思考”模式。此时，系统会启用图神经网络（GNN），将病毒学、免疫学、药理学等相关学科串联成一张立体的知识网络，让孤立的知识点在关联中融会贯通。
“以前学生问我一个临床现象，我要翻好几本教材去确认知识交叉点。现在‘慧医’瞬间就把跨课程的关联知识点拎了出来，我的备课时间可以更多地花在思考‘怎么更好地引导学生理解、应用和整合知识’，而不是耗在‘去哪里找’那些我自己也把握不准的内容上。”《医学微生物学》周琳琳老师的感慨，道出了“慧医”带给一线教师最真切的变化——从知识的“搬运工”变回教学的设计者。周琳琳老师感慨道：“以前学生问我一个临床现象，我可能要翻好几本教材确认交叉点，现在‘慧医大模型’瞬间把跨课程关联知识点拎出来，我的备课时间可以更多地花在思考‘怎么更好地引导学生理解、应用和整合相关知识’，而不是‘去哪里找’这些我把握不准的知识。”
学生的“第二大脑”：既要“追着问”，更要“自己探”
传统课堂上，老师们常为“抬头率”不高而苦恼，而学生也有自己的委屈：“其实很多时候，我们是在用电脑或手机查课上没听懂的问题，实在顾不上再抬头听讲。”如今，“慧医大模型”学生端为这一矛盾提供了理想的解决方案。“慧医”课堂上，学生可开启“专注模式”，让平板自动跟随老师PPT翻页，学习进度不掉队；遇到难点，一键切换到“自选模式”，自由回看，还可以调用“小慧快问”针对当页PPT提问——提问范围围绕已上传的课件和内置知识地图库，杜绝“答非所问”或“凭空捏造”。
学生在课堂上调用“小慧快问”针对PPT知识点进行提问
2025级学生许耀洲对此体会颇深：“医学基础课最怕‘张冠李戴’。‘慧医大模型’的好处是，它回答任何问题都像在引经据典。当我学心血管生理遇到问题时，它不仅能讲清原理，还能推给我相关的病理生理学拓展，让我瞬间明白‘为什么要学这个’。”
课堂之外，“慧医”的深度陪伴仍在延续。学生端“自主刷题”功能支持按章节或知识点进行专项测试，完成后系统会自动生成基于数据分析的学习建议，精准反馈“你的薄弱点在哪页PPT或哪些章节”，或直接提示“哪个概念需要加强巩固”。学生复习不再是大海捞针式的题海战术，而成为有的放矢的精准补强。
7月18日，国家教材建设重点研究基地2026年度工作会议暨四川大学—人民卫生出版社医学教材创新发展研讨会在四川大学华西校区举行，“慧医2.0”正式发布。面向未来，“慧医大模型”将加快迭代完善助学、助教、助研、助管、助健康科普、助国际交流的六大功能模块，形成一批高价值、可推广、可复制的应用场景。“慧医大模型联盟共建计划”也已启动，期待携手全国医学兄弟院校，让优质的资源触手可及，让教学质量稳步提升，为培养胜任智能时代的卓越医学人才共同注入源源不断的动力，为加快建设健康中国和教育强国提供“川大华西方案”。
转载自华西医学中心，原文链接：https://wcums.scu.edu.cn/info/1010/2866.htm
“慧医”是我院联合电子科技大学宋超副教授团队全自主研发的医学教育专用模型，首创“深度知识地图（DKM）”基础医学知识范式，研发GNN-Graph-RAG推理引擎，实现推理可视化与持续进化协同，同步输出GNN推理路径图，助力教师设计整合性课程。增量学习机制使系统随学科发展同步迭代，降低运维成本。构建教育专用安全合规体系，形成了可复用的技术方案，填补国内基础医学AI教育领域空白。目前，该模型以基本实现投入课堂教学使用。未来，我们将持续研发，扎实推进AI赋能医学教育高质量发展，共促医学教育数字化转型与教育范式创新。
