Elucidating the transformative role of large language models in advancing anesthesiology education.

چکیده اصلی

This narrative review synthesizes evidence published from 2020 to 2026 on the implementation and educational impact of large language models in anesthesiology training, following the Scale for the Assessment of Narrative Review Articles guidelines. We outline core technical attributes of large language models and identify four validated anesthesiology-specific use cases: standardized learning resource generation, clinical scenario simulation, personalized remediation of knowledge gaps, and automated assessment tool development. Current evidence suggests that these applications improve trainee knowledge scores and reduce faculty workload. Key deployment barriers include the risk of hallucination in high-stakes anesthesia content and potential overreliance on large language models, which may impair independent clinical reasoning. We propose targeted mitigation strategies and a forward-looking research agenda for structured large language model integration. Our analysis confirms that large language models are high-value enabling tools for anesthesiology education and require intentional, guideline-aligned integration to maximize synergies.

ترجمه فارسی چکیده

این مرور داستانی شواهد منتشر شده از ۲۰۲۰ تا ۲۰۲۶ را در مورد پیاده‌سازی و تأثیر آموزشی مدل‌های زبانی بزرگ در آموزش بیهوشی، بر اساس دستورالعمل‌های مقیاس ارزیابی مرورهای داستانی، جمع‌آوری و ترکیب می‌کند. ویژگی‌های فنی هسته‌ای این مدل‌ها را شرح می‌دهد و چهار مورد کاربرد تخصصی بیهوشی را که تایید شده‌اند، شناسایی می‌کند: تولید منابع یادگیری استاندارد، شبیه‌سازی سناریوهای بالینی، اصلاح شخصی‌سازی‌شده شکاف‌های دانش و توسعه ابزارهای ارزیابی خودکار. شواهد فعلی نشان می‌دهد که این کاربردها امتیازات دانش تمرین‌کنندگان را بهبود می‌بخشند و بار کاری اساتید را کاهش می‌دهند. موانع اصلی شامل خطر توهم در محتوای حساس بیهوشی و وابستگی بالقوه بیش از حد به مدل‌های زبانی بزرگ است که ممکن است استدلال بالینی مستقل را مختل کند. ما استراتژی‌های کاهش خطر هدفمند و برنامه تحقیقاتی آینده‌نگرانه برای ادغام ساختاریافته مدل‌های زبانی بزرگ را پیشنهاد می‌کنیم. تحلیل ما تأیید می‌کند که مدل‌های زبانی بزرگ ابزارهای توانمندکننده ارزشمند برای آموزش بیهوشی هستند و نیاز به ادغام آگاهانه و همسو با دستورالعمل‌ها دارند تا همزیستی را به حداکثر برسانند.

متن کامل اصلی