MedGame: Storytelling Gamification Empowered by Large Language Models for Medical Education
作者: Qian Wu, Xinrong Zhou, Zizhan Ma, Kai Chen, Zheyao Gao, Xun Lin, Hongqiu Wu, Longfei Gou, Yixiao Liu, Ann Sin Nga Lau, Qi Dou
分类: cs.CL, cs.HC
发布日期: 2026-07-23
备注: Work in Progress; an explorational design and study on AI+Education+Game
💡 一句话要点
提出MedGame框架以提升医学教育中的故事化学习体验
🎯 匹配领域: 支柱九:具身大模型 (Embodied Foundation Models)
关键词: 医学教育 大型语言模型 故事化学习 临床案例 互动平台 多模态设计 评估协议 学习体验
📋 核心要点
- 现有医学教育系统多集中于局部交互,缺乏将临床案例组织成完整学习轨迹的能力。
- MedGame框架通过双引擎设计,将静态临床案例转化为结构化的故事化游戏,增强学习体验。
- 实验结果显示,经过任务特定微调的开源LLMs在MedGame Bench上表现显著提升,学习者反馈积极。
📝 摘要(中文)
大型语言模型(LLMs)在医学教育中展现出潜力,但现有系统多集中于局部交互,如问答或单轮反馈,而未能将整个临床案例组织成以决策为中心的学习轨迹。本文介绍了MedGame框架,该框架将静态临床案例转化为结构化、可执行的故事化游戏。MedGame采用双引擎设计:医疗叙事设计师合成基于案例的临床故事线与状态和决策节点,而故事导演则将其转化为依赖感知的多模态编排计划,并通过我们发布的互动平台呈现。我们构建了MedGame Bench,这是一个包含5000个案例的基准和评估协议,用于医学叙事生成和故事指导。实验表明,特定任务的微调显著提升了开源LLMs在MedGame Bench上的表现,并缩小了与商业模型的差距。初步的学生研究进一步表明,学习者认为MedGame比仅文本的替代方案更具吸引力和实用性。
🔬 方法详解
问题定义:本研究旨在解决现有医学教育系统在临床案例学习中缺乏整体性和决策导向的问题。现有方法通常局限于问答或单轮反馈,无法提供深度的学习体验。
核心思路:MedGame框架的核心思路是将静态的临床案例转化为互动式的故事化游戏,通过情节和决策节点引导学习者进行深入思考和决策。这样的设计旨在提升学习的参与感和有效性。
技术框架:MedGame的整体架构包括两个主要模块:医疗叙事设计师和故事导演。医疗叙事设计师负责合成临床故事线和决策节点,而故事导演则将这些元素转化为多模态的互动计划,通过平台进行呈现。
关键创新:MedGame的主要创新在于其双引擎设计,能够将静态案例动态化,并通过故事化的方式增强学习体验。这与传统的医学教育方法形成鲜明对比,后者往往缺乏互动性和情境感。
关键设计:在技术细节方面,MedGame Bench的构建涉及5000个案例的标准化,评估协议的设计也确保了生成的故事和决策的质量。此外,任务特定的微调策略显著提升了模型在特定任务上的表现。
🖼️ 关键图片
📊 实验亮点
实验结果表明,经过任务特定微调的开源LLMs在MedGame Bench上的表现显著提升,接近商业模型的水平。初步的学生研究显示,学习者对MedGame的参与感和实用性评价高于传统的文本学习方式,表明其在医学教育中的有效性。
🎯 应用场景
MedGame框架在医学教育领域具有广泛的应用潜力,能够为医学生提供更具互动性和沉浸感的学习体验。通过故事化的学习方式,学生能够更好地理解复杂的临床决策过程,提升其临床思维能力。未来,该框架还可扩展至其他教育领域,促进多学科的学习与应用。
📄 摘要(原文)
Large Language Models (LLMs) show promise for medical education, but most existing systems focus on localized interactions such as question answering or single-turn feedback, rather than organizing an entire clinical case into a decision-centered learning trajectory. We introduce \textit{MedGame}, a framework that transforms static clinical cases into structured, executable storytelling games. MedGame uses a dual-engine design: a Medical Narrative Designer synthesizes case-grounded clinical storylines with states and decision nodes, while a Story Director converts them into dependency-aware multimodal orchestration plans rendered by our released interactive platform. We construct MedGame Bench, a 5,000-case benchmark and evaluation protocol for Medical Narrative Generation and Story Direction. Experiments show that task-specific fine-tuning substantially improves open-source LLMs on MedGame Bench and narrows the gap with commercial models. A pilot student study further shows that learners perceive MedGame as more engaging and useful than text-only alternatives.