一、引言：改革浪潮下的药学实践技能挑战

2024年，《云南省2025年中职职教高考实施办法（试行）》^[1]明确从2025年起，每年春季采用“文化素质+职业技能”考试评价方式开展职教高考，其核心方向在于突出技术技能考核、强化实践能力评价，实现“文化素质+职业技能”的综合性人才选拔。在职教高考总分600分的框架中，专业技能测试占据200分，以“根据病例推荐药物”的形式考查学生对药理学知识运用能力。

本文旨在深入分析传统“问病荐药”训练模式与通过引入AI技术辅助训练的优缺点，并重点探讨在云南省职教高考改革背景下，AI赋能“问病荐药”技能训练的可行路径与价值。

二、传统“问病荐药”训练模式的审视：优势与瓶颈

（一）传统训练模式的实施方式

在传统教学中，问病荐药训练通常采用课堂模拟和实践基地实习相结合的方式。在课堂上，教师会设置一些常见病症的案例，让学生分组进行角色扮演。学生分别扮演患者和药师，模拟真实的药店场景，进行问病荐药的互动。例如，对于感冒症状的案例，“患者”描述诸如发热、咳嗽、流涕等症状，“药师”则依据所学知识，询问更多细节，如症状持续时间、是否有其他基础疾病等，进而推荐合适的药物，并说明用药方法、注意事项等。

实践基地实习方面，学校会安排学生在模拟药房或到真实的药店或医院药房进行实习。在实习过程中，学生在带教老师的指导下，亲身体验在真实工作环境中如何询问病情、分析症状，为患者推荐合适的药物，并进行合理用药指导和健康教育。

（二）传统“问病荐药”训练模式的审视：优势与瓶颈

1.核心优势：人际互动与真实情境的不可替代性

1.1真实情感与动态交互：师生、生生间面对面的角色扮演或与真实或标准化病人（SP）的互动，能传递语言之外的情感（如患者焦虑、疼痛表现）、体态等丰富信息，训练学生的共情能力、临场应变能力和非语言沟通技巧。教师能即时捕捉学生的情绪状态并给予引导。

1.2经验传承与个性化指导：资深教师（药师）在指导过程中，能基于自身丰富的临床和药店实践经验，提供直觉性、情境化的反馈和“临床诀窍”（Clinical Pearls），如识别特殊人群（老人、孕妇、儿童）的细微差异、处理复杂或模糊病例的策略，这种“师徒式”的经验传递具有独特价值。

1.3综合情境的真实嵌入：在实体药店或模拟药房环境中训练，学生能感知真实的工作氛围、空间布局、药品陈列、时间压力、多任务处理（如同时接待多位顾客）以及处理突发状况，这是模拟环境难以完全复制的。

2.突出瓶颈：职教规模与考核标准化的挑战

2.1师资瓶颈：优质的指导教师（尤其是具备丰富实践经验的“双师型”教师）数量有限。一对多指导难以保证每位学生获得充分、高质量的个性化反馈和练习机会。教师精力被大量消耗在重复性指导上。

2.2病人或SP资源稀缺：招募、培训、管理真实病人或标准化病人成本高昂（时间、金钱），且其表现难以完全标准化和一致化。SP数量有限，无法满足大批量学生高频次训练需求。

2.3反馈滞后且主观性强：教师对学生的表现评估（如沟通流畅度、逻辑性、人文关怀）和决策过程（如信息收集是否全面、推理是否合理）的评价往往在训练结束后进行，缺乏即时性，学生难以及时修正错误。

三、AI辅助“问病荐药”训练的潜力与局限

（一）赋能潜力：构建高效、精准、标准化的训练新范式

1.无限模拟与沉浸体验，高效训练新范式

AI可以构建智能问诊系统，创建沉浸式VR/AR药房场景，模拟真实工作环境中的视觉、听觉甚至压力感，还可以利用语音识别和合成技术驱动的对话式AI，生成高度逼真、表现各异（不同年龄、性格、文化背景、表达方式）、病情动态演变的虚拟患者。学生可以通过语音与系统进行对话，如同在真实场景中与患者交流一样。例如，当学生输入“患者咳嗽、咳痰”时，系统可以进一步询问“咳嗽的频率如何？是干咳还是有痰？痰液的颜色和质地怎样？”等问题。这种高度模拟真实场景的智能问诊系统，不仅提高了训练的趣味性和沉浸感，还有助于锻炼学生的口语表达能力和沟通技巧，能够让学生在训练中积累丰富的实践经验，提高应对实际工作场景的能力。

2.数据分析助力精准教学

AI能够对学生在训练中的表现进行全面、深入的数据分析。系统可以记录学生的答题过程、答题时间、错误类型等数据，并通过数据挖掘和机器学习算法，分析学生的学习行为和知识掌握情况。例如，通过分析学生在不同类型病例上的答题准确率，教师可以了解学生对哪些疾病的诊断和药物推荐掌握较好，哪些方面存在薄弱环节；通过分析学生的答题时间，教师可以判断学生对知识点的熟悉程度和解题速度。基于这些数据分析结果，教师可以制定更加精准的教学计划，对于学习困难的学生，为其提供更多的基础知识点讲解和专项练习；对于学习能力较强的学生，推荐一些拓展性的学习资源，如前沿的医学研究成果、复杂病例分析等。同时，教师还可以根据数据分析结果调整教学内容和方法，优化训练方案，提高教学效果。

3.提高训练的标准化和客观性

3.1传统问病荐药训练中，由于教师的评价标准存在个体差异，导致对学生的评价不够客观、公正。AI技术的引入可以建立统一的评价标准，确保评价的客观性和准确性。智能评价系统可以根据预先设定的评分规则，对学生的回答进行全面、细致的评估。例如，对于学生推荐的药物，系统可以从药物的适应症、疗效、安全性、药物相互作用、剂量合理性等多个维度进行打分；对于学生的病情分析过程，系统可以评估其逻辑合理性、信息采集完整性等方面。无论学生在何时何地进行训练，只要使用相同的AI评价系统，都能得到基于统一标准的评价结果。这不仅避免了因教师主观因素导致的评价差异，还使得不同学生之间的成绩具有可比性。例如，在一场全省范围的职教高考实践技能模拟考试中，所有学生都使用相同的AI评价系统进行问病荐药训练评估，这样得出的成绩能够真实反映学生的实际水平，为选拔优秀学生提供了可靠依据。

3.2.减少人为因素干扰在传统训练评价过程中，人为因素如教师的疲劳、情绪、主观偏好等可能会影响评价结果的准确性。AI评价系统不受这些人为因素的干扰，能够始终保持客观、公正的评价态度。AI系统还可以对评价过程进行全程记录，便于后续的复查和监督。如果学生对评价结果存在疑问，教师可以随时调取系统记录，查看学生的答题过程和系统的评分依据，确保评价过程的透明性和可追溯性。这种减少人为因素干扰的评价方式，提高了训练评价的可信度和公正性，有利于维护学生的学习积极性和公平竞争环境。

（二）当前局限与挑战：技术与伦理的边界

1.情感交互短板与复杂场景的模拟深度不足

现有AI对微妙情感（如悲伤、恐惧、愤怒）的理解、生成和回应尚显生硬，难以完全模拟真实人际互动中的情感深度和复杂性，可能导致学生沟通技能训练片面化。另外，处理极端复杂、模糊不清或信息严重缺失的“边缘”病例能力有限，其决策逻辑可能过于依赖训练数据，缺乏人类专家的直觉和创造性思维。

应对策略：采用“AI基础训练+真人情境考核”混合模式，AI负责标准化技能打磨，教师组织“医患冲突处理”等情感密集型场景演练。

2.技术依赖性与部署门槛：

系统开发、维护、更新需要专业的AI技术团队支持。初始投入成本较高（硬件、软件、数据标注、系统集成）。学校网络环境、终端设备（如VR头盔）有一定要求。

3.数据安全与伦理风险

AI模型的准确性和可靠性很大程度上取决于训练数据的质量。如果训练数据存在错误、偏差或不完整，可能导致AI系统给出错误的分析结果和指导建议。例如，若药物信息数据中关于某药不良反应的记录有误，学生在参考系统推荐药物时可能会忽视潜在风险。同时，学生在训练过程中产生的数据涉及个人隐私和学习情况，一旦缺少数据保护与隐私管理机制，就可能导致数据被意外泄露或恶意滥用^[2]。因此，保障数据质量和安全是AI辅助训练面临的重要挑战。另外，训练数据的质量和偏见可能影响AI的判断（如对特定人群推荐有偏见的方案）。

应对策略：建立数据脱敏机制，所有病例信息经匿名化处理，例如平台本身应具备访问权限控制、日志追踪等数据安全技术保障^[3]；组建由药师、伦理专家组成的算法审核委员会，定期校准推荐模型。

4.教师角色转型与技能升级

AI无法替代教师在情感支持、高阶思维培养（如批判性思考、伦理决策）、复杂案例处理和经验传承上的作用。教师角色需从“知识传授者”转向“引导者、教练、学习设计师”。教师需具备一定的数字素养和AI工具应用能力，才能有效整合AI辅助训练与传统教学。

5.过度依赖风险：

学生可能过度依赖AI提示，弱化其主动思考、独立决策和信息检索能力的培养。

四、基于云南职教高考改革的实践路径

（一）构建“AI+教师+真实情境”混合式训练生态

1.基础技能高频训练：利用AI虚拟病人平台进行海量标准化病例的问诊、信息收集、基础荐药逻辑训练，获取即时反馈和量化评估，解决传统模式“练不够”的核心矛盾。

2.高阶能力与情感训练：在AI充分训练基础上，聚焦于教师主导的小组研讨、复杂真实或SP案例演练、真实药房见习或实习。教师角色升级，专注于引导学生反思AI训练中的问题、处理复杂伦理困境、培养深度共情和沟通艺术。

3.虚实结合场景：在模拟药房或真实药店或药房实习中，可辅助使用AI工具（如平板电脑接入的荐药决策支持知识库、实时沟通记录分析工具）。

（二）可行性实施保障

1.分步推进，试点先行：选择1-2所条件较好的省属或州市药学类优势专业进行试点，积累经验后再推广。优先解决基础性、普遍性问题（如标准化病例训练和评估）。

2.校企合作，协同开发：联合省内高校（计算机、药学专业）、AI科技企业、大型连锁药店（如一心堂、健之佳）、医药企业，共同设计开发符合中职教学特点、贴近药店实际需求的AI训练平台。药店提供真实案例素材和业务专家指导。

3.教师赋能与资源建设：开展教师AI工具应用与教学设计专项培训。组建跨学科（药学、计算机、教育技术）团队，持续优化AI平台、更新病例库、编写基于AI训练的教学指南。

4.数据安全与伦理规范：制定严格的数据采集、存储、使用规范，确保学生隐私。建立AI推荐结果的审核机制，明确告知学生AI的辅助性质及局限性。

五、结论与展望

在云南省强力推进职教高考改革的时代背景下，“问病荐药”作为药学类中职毕业生的核心实践能力，其训练模式的革新势在必行。传统训练模式虽有其情感互动与真实情境的独特价值，但其在资源依赖、规模化瓶颈、反馈滞后、评价主观性等方面的固有缺陷。AI技术，在构建沉浸式虚拟训练环境、提供即时精准反馈、驱动个性化学习、实现标准化智能评估、生成海量丰富案例等方面展现出巨大的赋能潜力。尽管在情感模拟深度、复杂边缘案例处理、技术成本、伦理安全及教师角色转型等方面仍面临挑战，但这些挑战正随着技术进步和模式创新逐步被克服。通过构建“AI智能模拟高频练+教师引导深研讨+真实场景强实践”的混合式训练生态系统，并辅以有效的校企合作、产教融合、师资培训和数据安全机制，AI技术有望成为撬动药学职业教育实践教学深刻变革的关键支点。

参考文献:

[1]云南省人民教育厅.云南省2025年中职职教高考实施办法（试行）.

[https://jyt.yn.gov.cn/article/2147449889],2024.

[2]李菊萍.ChatGPT驱动的医疗智能决策:伦理、法律与规制[J].中国医学伦理学,2025,38(2):139-149.

[3]王涛，王渊，胡浩．人工智能赋能医学基础实验教学的挑战与思考[J/OL]．中国医学教育技术.https://link.cnki.net/urlid/61.1317.G4.20250703.1647.004

作者简介：王娟(1984.03--)，女，云南普洱人，傣族，本科学历，药学教育教学，云南省普洱卫生学校，研究方向:药学教育教学