Интеллектуальная система подготовки иностранных студентов к последипломным экзаменам по хирургии

Цель исследования. Разработать интеллектуальную систему (ИС) подготовки иностранных студентов к экзаменам по хирургии для подтверждения дипломов, полученных в зарубежных медицинских университетах.

Материалы и методы. Разработка системы состояла из двух этапов: 1) создание децентрализованного графа знаний (ДГЗ); 2) интеграция ДГЗ с технологией больших языковых моделей (БЯМ), цифровых двойников (ЦД) и чат-бота. Материалами для разработанной ИС явились структурированные данные: учебники по хирургии, которые используются для подготовки к последипломным экзаменам в Индии (FMGE), учебные материалы кафедры хирургических болезней № 3 Гомельского государственного медицинского университета (ГомГМУ), веб-страницы https://cyb.ai/@gsmu-by/brain.

Результаты. Созданная ИС развернута на локальном сервере/компьютере и включает БЯМ DeepSeek R1, чат-бот на платформе AnythingLLM и Telegram; работает по RAG-технологии (Retrieval-Augmented Generation), которая объединяет поиск информации и генерацию текста на основе найденных данных. ИС апробирована во время занятий по хирургии с иностранными студентами 4-го курса ГомГМУ.

Заключение. Разработанная ИС подготовки к последипломным экзаменам по хирургии позволяет лучше персонализировать обучение и может улучшить эффективность подготовки студентов к последипломным экзаменам у себя на родине.

1. National Board of Examinations in Medical Sciences. [Electronic resource]. [date of access 2025 January 12]. Available from: https://nbe.edu.in/

2. Sri Lanka Medical Council – ERPM. [Electronic resource]. [date of access 2025 January 12]. Available from: https://slmc.gov.lk/en/examinations/erpm

3. Shehnaz SI, Arifulla M, Sreedharan J, Gomathi KG. What do faculty feel about teaching in this school? assessment of medical education environment by teachers. Educ Health (Abingdon). 2017;30(1):68-74. DOI: https://doi.org/10.4103/1357-6283.210500

4. Liu J, Li S. An ethnographic investigation of medical students’ cultural competence development in clinical placements. Adv Health Sci Educ Theory Pract. 2023;28(3):705-739. DOI: https://doi.org/10.1007/s10459-022-10179-7

5. Gu Q, Schweisfurth M. Transnational connections, competences and identities: experiences of Chinese international students after their return ‘home’. Br Educ Res J. 2015;41:947-970. DOI: https://doi.org/10.1002/berj.3175

6. Wang S, Wang F, Zhu Z, Wang J, Tran T, Du Z. Artificial intelligence in education: A systematic literature review. Expert Systems with Applications 2024;252:124167. DOI: https://doi.org/10.1016/j.eswa.2024.124167

7. Litvin AA, Rumovskaya SB, De Simone B, Kasongo L, Sartelli M, Coccolini F, et al. A new technology for medical and surgical data organisation: the WSES-WJES Decentralised Knowledge Graph. World J Emerg Surg. 2024;19(1):37. DOI: https://doi.org/10.1186/s13017-024-00563-6

8. Abd-alrazaq A, AlSaad R, Alhuwail D, Ahmed A, Healy PM, Latifi S, et al. Large Language Models in Medical Education: Opportunities, Challenges, and Future Directions. JMIR Med Educ. 2023;9:e48291. DOI: https://doi.org/10.2196/48291

9. Toofaninejad E, Rezapour SM, Kalantarion M. Utilizing Digital Twins for the Transformation of Medical Education. J Adv Med Educ Prof. 2024;12(2):132-133. DOI: https://doi.org/10.30476/JAMP.2023.100264.1883

10. Xu X, Chen Y, Miao J. Opportunities, challenges, and future directions of large language models, including ChatGPT in medical education: a systematic scoping review. J Educ Eval Health Prof. 2024;21:6. DOI: https://doi.org/10.3352/jeehp.2024.21.6

11. Eysenbach G. The Role of ChatGPT, Generative Language Models, and Artificial Intelligence in Medical Education: A Conversation with ChatGPT and a Call for Papers. JMIR Med Educ. 2023;9:e46885. DOI: https://doi.org/10.2196/46885

12. FMGE Solutions – MCI Screening Examination (A Commplete NBE Centric Approach): 3rd edition, 2017. N.p., CBS Publishers & Distributors Private Limited; 2017. [Electronic resource]. [date of access 2025 January 12]. Available from: https://www.fmgesolutions.com/

13. Sabiston Textbook of Surgery E-Book: The Biological Basis of Modern Surgical Practice. Netherlands, Elsevier; 2021.

14. Brunicardi, F. Charles, et al. Schwartz’s Principles of Surgery, 10th Edition. United States of America, McGraw-Hill Education; 2014.

15. Gossage, James, et al. 100 Cases in Surgery. Great Britain, CRC Press, 2007.

16. Учебные материалы кафедры хирургических болезней № 3 ГомГМУ. [Electronic resource]. [date of access 2025 January 12]. Available from: https://dl.gsmu.by/

17. Decentralized AI. [Electronic resource]. [date of access 2025 January 12]. Available from: https://cyberacademy.dev/blog/86-decentralized-ai

18. Литвин А.А., Берещенко В.В., Иванов В.С., Тихманович С.Е., Мапалагама А. [и др.] Децентрализованный граф знаний и его использование в преподавании хирургии. В: Актуальные проблемы медицины: сб. науч. статей Респ. научно-практ. конф. с международным участием, Гомель, 13 ноября 2024 года. В 3-х томах. Т. 3. Выпуск 25. Гомель: ГомГМУ; 2024. С. 59-61. [дата обращения 2025 январь 12]. Режим доступа: https://elibrary.ru/download/elibrary_79322797_96375558.pdf

19. RAG (Retrieval-Augmented Generation). [Electronic resource]. [date of access 2025 January 12]. Available from: https://en.wikipedia.org/wiki/Retrieval-augmented_generation

20. Deepseek [Electronic resource]. [date of access 2025 January 12]. Available from: https://platform.deepseek.com/usage

21. AnythingLLM [Electronic resource]. [date of access 2025 January 12]. Available from: https://anythingllm.com/

22. Wang Q, Mao Z, Wang B, Guo L. Knowledge Graph Embedding: A Survey of Approaches and Applications. IEEE Transactions on Knowledge and Data Engineering. 2017;29,12:2724-2743. DOI: https://doi.org/10.1109/TKDE.2017.2754499

23. Wu X, Duan J, Lan Y, Li M. Medical Knowledge Graph: Data Sources, Construction, Reasoning, and Applications. Big data mining and analytics. 2023;6. DOI: https://doi.org/10.26599/bdma.2022.9020021

24. Hashimoto DA, Rosman G, Rus D, Meireles OR. Artificial Intelligence in Surgery: Promises and Perils. Ann Surg. 2018;268(1):70-76. DOI: https://doi.org/10.1097/SLA.0000000000002693