人工智能技术在中药显微鉴定辅助教学中的应用研究
 
 摘要
 
中药显微鉴定教学长期面临三重结构性困境：微观形态的抽象性使学生难以建立“形态—特征—药材”之间的认知关联，珍稀标本的损耗性与规模化教学需求之间存在不可调和的矛盾，传统课堂的“教师演示—学生模仿”模式难以实现个性化的即时反馈。人工智能技术的引入为破解上述困境提供了新的技术路径。本文以“视觉—认知”双驱动教学智能体、卷积神经网络显微图像识别、虚拟仿真实验平台等实践案例为分析对象，结合显微图像识别准确率数据（GoogLeNet模型达97.50%）和教学效果对比研究，从视觉增强、认知引导和过程反馈三个维度分析AI在中药显微鉴定辅助教学中的应用机制。研究发现，AI辅助教学的核心价值不在于“替代教师”，而在于将教师从重复性的特征辨认指导中解放出来，使其能够专注于认知引导和思维训练。“科技创新导报”领域对AI教学应用的持续关注和“中国药物经济学”所刊中药鉴定教学改革研究，为本文提供了跨学科的分析视角。
 
关键词：人工智能；中药显微鉴定；辅助教学；深度学习；虚拟仿真
 
 
 一、引言
 
中药显微鉴定是中药鉴定学课程的核心组成部分，其教学目标是培养学生利用显微镜观察中药粉末的微观特征——如石细胞、导管、淀粉粒、草酸钙结晶等——以鉴别药材真伪和品质的能力。这一能力在中药质量控制和药品检验中具有不可替代的作用，但它也是中药鉴定学教学中最具挑战性的环节。
 
困难源于中药显微鉴定本身的认知特征。显微镜下的世界是抽象的——学生需要从模糊的黑白图像中辨认出特定的细胞结构，将其与教科书上的模式图进行比对，再根据特征组合判断药材品种。这一过程涉及“视觉感知—特征匹配—知识检索—判断推理”多个认知环节的协同，任何一个环节的薄弱都会导致鉴定错误。在传统教学模式下，教师通过演示和口头讲解来传递这些认知技能，但每个学生的观察角度、理解速度和认知盲区各不相同，一对多的教学方式难以提供充分的个性化支持。
 
人工智能技术的引入为破解这一困境提供了新的可能。深度学习在图像识别领域的突破，使AI能够从显微图像中自动提取特征并进行分类；知识图谱和检索增强生成技术，使AI能够在学生提出问题时提供基于权威药典的精准回答；虚拟仿真技术，使珍稀标本的数字化呈现成为可能。科技创新导报期刊长期以来关注人工智能在教学领域中的应用探索，为这一研究议题提供了重要的学术交流平台。本文试图回答的核心问题是：AI技术在中药显微鉴定辅助教学中的应用路径是什么？其效果如何？面临哪些现实约束？
 
 
 二、传统教学的结构性困境
 
 （一）“看不清楚”的视觉困境
 
中药显微鉴定的教学起点是“看见”。然而，学生在显微镜下看到的图像与教科书上的精美模式图之间存在巨大的认知鸿沟。教科书中的显微特征图通常是经过精心挑选和处理的“理想图像”——石细胞轮廓清晰、导管纹理分明、淀粉粒形态规整。而学生在实际观察中面对的是未经处理的粉末涂片——视野中可能同时出现多种细胞碎片、杂质颗粒和气泡，目标特征可能被遮挡、模糊或与相邻结构粘连。
 
有教学团队在实践中发现，学生在显微镜下“只看单体难辨差异”是普遍现象。例如，醋鳖甲与醋龟甲的显微特征差异——前者边缘呈“肋骨伸出”状，后者边缘呈“盾片嵌接”状——在单个视野中观察时，由于特征位于标本边缘位置，学生往往因为视野选择不当而无法观察到关键鉴别点。这种“视觉盲区”不仅影响观察效果，更会打击学生的学习信心——当学生反复尝试却“看不到老师说的特征”时，挫败感和焦虑感随之产生。
 
从认知负荷理论的角度来看，“看不清”带来的直接后果是学生将大量认知资源耗费在“定位特征”上，而用于“理解特征含义”的认知资源被大幅压缩。教学设计需要考虑的关键问题，不仅是“呈现什么”，更是“如何帮助学生快速定位到需要观察的区域”。
 
 （二）“标本不够”的资源困境
 
中药显微鉴定教学对标本的依赖程度极高。教学中需要使用多种药材的粉末标本，而这些标本的制备和维护面临显著的资源约束。珍稀药材的标本获取成本高，某些品种（如海马、冬虫夏草）的标本更是价格昂贵且数量有限。标本在使用过程中存在自然损耗——粉末标本的取用、显微镜载玻片的反复制备都会消耗标本。此外，部分药材标本的保存需要特定的温湿度条件，长期维护成本不低。
 
这些资源约束在规模化的教学场景中尤为突出。一所高校的中药学专业每年可能有数百名学生需要参加显微鉴定实验，如果完全依赖实体标本，标本的消耗速度将远超补充速度。有研究明确指出，“珍稀标本损耗大、传统模式难以规模化”是中药鉴定教学面临的核心矛盾之一。这一矛盾的本质是：高质量教学资源的稀缺性与大规模教学需求之间的张力，无法通过增加标本采购量来根本解决——因为某些标本（如濒危物种药材）的获取本身受到法规和伦理的限制。
 
 （三）“反馈不够”的教学困境
 
中药显微鉴定的技能训练具有高度的个体差异性。同样的教学内容和演示，不同学生的掌握速度差异显著。有的学生一次观察就能准确把握特征，有的学生可能需要反复对比多次才能建立正确的认知。在传统课堂中，教师的时间和精力无法覆盖每个学生的个性化需求，学生在实验课上的典型体验是“大部分时间自己摸索，偶尔获得教师的指导”。
 
这一困境的深层问题在于教学反馈的“粒度”和“频率”不足。教师在巡回指导中给出的反馈往往是笼统的——“你再看仔细一点”“注意这个结构”——而非针对学生具体认知盲区的精准反馈。学生不知道自己“到底错在哪里”，也就无法进行有针对性的改进。有研究指出，在传统实训教学中，“重结果轻过程、评价方式单一”的问题普遍存在。
 
 
 三、AI辅助教学的应用路径
 
 （一）视觉增强：从“模糊图像”到“智能标注”
 
AI技术辅助中药显微鉴定教学的第一条路径，是通过图像处理和智能标注技术增强学生的视觉感知能力。
 
卷积神经网络在中药粉末显微图像识别中的应用研究提供了基础性的技术支撑。一项研究构建了黄连、厚朴、黄柏和肉桂四种中药粉末的石细胞显微图像数据集，比较了AlexNet、VGGNet-16、VGGNet-19和GoogLeNet四种模型的识别效果。结果显示，GoogLeNet模型的平均识别准确率达到97.50%，VGGNet-16和VGGNet-19均为95.75%，AlexNet为93.50%。这一数据表明，基于深度学习的显微图像识别已经能够达到与人工鉴定相近的准确率水平。
 
但在教学场景中，AI的价值不在于“自动完成鉴定”，而在于“辅助学生完成鉴定”。一项研究提出的“视觉—认知”双驱动教学智能体，通过“三维交互热点”技术实现了这一辅助功能的可视化。系统基于知识图谱中的“鉴别点”数据，在三维模型上自动生成标注热点。例如，当学生的视角移动到醋鳖甲模型的边缘时，系统自动在“肋骨伸出”特征处生成热点标记，并配合文本提示“请注意观察边缘结构的差异”。这种“算法辅助的视觉聚焦”模拟了导师在实物对比教学中“指点迷津”的过程。
 
在教学场景中，视觉增强技术的核心价值在于它降低了“定位特征”的认知负荷，使学生能够将更多的认知资源投入到“理解特征含义”上。当学生不再为“特征在哪里”而困扰时，他们就有更多的精力去思考“这个特征为什么重要”“它与其他特征的关系是什么”。
 
 （二）认知引导：从“知识灌输”到“启发探究”
 
AI辅助教学的第二条路径，是构建基于知识图谱和检索增强生成的认知引导系统。这一路径直接回应了传统教学中“反馈不够”和“认知引导不足”的困境。
 
“视觉—认知”双驱动智能体的设计提供了一个值得深入分析的案例。该系统在认知层的核心设计包括：基于《中华人民共和国药典》（2025版）构建包含“性状—部位—功效”三元组的中药鉴别领域知识图谱；设计基于检索增强生成的机制，为大语言模型注入领域知识约束。这一设计的深层逻辑是解决通用大语言模型在医学垂直领域中的“幻觉”风险——通用模型可能在回答“黄连的显微特征是什么”时给出不准确的信息，而经过知识图谱约束的检索增强生成系统则能够确保回答的权威性和准确性。
 
在交互层面，系统采用“启发式问答”而非“直接灌输”。当学生聚焦至中药材海马躯干部位时，智能体并不直接给出“瓦楞身是海马的鉴别特征”这一定义，而是提问：“请仔细观察体表节纹形状，这种‘瓦楞’结构对海马的生存有何生物学意义？”学生回答后，智能体利用检索增强生成引擎检索药典标准与生物学背景知识，生成“性状—功能—产地”的综合解析。这种设计将形态观察与理论溯源紧密结合，有效培养了学生“辨状论质”的中医思维。
 
南京中医药大学的实践从另一个角度印证了认知引导的价值。该校在亳州药材市场的实践教学中，引入“人工智能+大数据”辅助工具，通过图像识别和信息辅助查询降低了学生的认知负担。研究表明，该方法“显著降低了学生的信息负担，增进了学习的兴趣，提高了药材辨识的准确度”。在亳州中药材市场这样交易品种约2600种的复杂环境中，学生通过AI工具快速获取药材的关键鉴别信息和市场动态数据，避免了“走马观花”式的被动学习。
 
 （三）过程反馈：从“事后评价”到“即时诊断”
 
AI辅助教学的第三条路径，是通过智能评估系统实现学习过程的即时反馈。这一路径回应的是“反馈粒度不足”和“评价方式单一”的困境。
 
在中药显微鉴定实训中，学生的学习过程涉及制片、调焦、观察、特征识别、结果判定等多个环节。传统教学模式下，这些环节的评估主要依赖教师的最终评价——学生完成制片和观察后，教师根据特征识别和结果判定的准确性给出分数。这种“事后评价”模式的问题在于：当学生发现自己做错了时，已经错过了最佳的纠正时机。
 
AI辅助的即时反馈系统可以在学习过程中提供“诊断性反馈”。以BOPPPS教学模式下的显微鉴别实训为例，教学团队将学习通即时推送测评结果与个性化改进建议嵌入到教学流程中，采用“过程评价+技能实操评价”结合的方式，当堂测评、当堂反馈、当堂改进。过程评价包括教师巡评和小组互评，技能测评则要求学生在显微镜下找出2种指定特征并现场口述1条规范特征描述。测评结果通过平台即时推送，使学生能够“明确短板、及时整改”。
 
这种即时反馈机制的认知科学基础在于“缩短反馈回路”。学习研究表明，反馈与行为之间的时间间隔越短，学习效果越好。当学生在观察显微图像后立即获得“你识别对了”或“你的观察角度需要调整”的反馈时，正确的认知模式会更快地得到强化，错误的认知习惯也更早地被纠正。
 
 （四）资源拓展：虚拟仿真与数字标本
 
AI辅助教学的第四条路径，是通过虚拟仿真技术拓展教学资源的可获得性。这一路径回应的是“标本不够”的资源困境。
 
虚拟仿真技术在中药鉴定教学中的应用已有多年的探索。广东药科大学构建的《中药鉴定学》无纸化实验教学平台整合了显微数码互动系统、虚拟仿真实验教学平台、药用植物数字博物馆等多种智能化教学工具，实施课前、课中、课后三环联动。华中科技大学同济医学院药学院开发的交互式视频虚拟程序，利用Unity平台进行程序开发，应用于中药分子鉴定实验课程教学，结果显示“有效提升了教学质量”。
 
但虚拟仿真的技术潜力远不止于“替代实体标本”。AI技术的加入使虚拟标本从“静态展示”升级为“智能交互”。“视觉—认知”双驱动智能体采用摄影测量算法与纹理烘焙技术，实现了海马、醋鳖甲等饮片的高保真几何重建。系统中，炒僵蚕断面的角质光泽与亮棕色丝腺环通过高分辨率漫反射贴图得以真实呈现，“避免了人工建模材质的失真感”。专家评价显示，基于摄影测量的模型纹理真实，“特别是对于霉变、断面纹理等自然特征的还原，远超传统人工建模效果，具备替代实物标本进行初级教学的潜力”。
 
 
 四、实践效果与局限
 
 （一）已有实践的效果数据
 
AI辅助中药显微鉴定教学的效果，可以从几个维度的数据加以评估。
 
在识别准确率方面，卷积神经网络对中药粉末显微图像的识别已达到较高水平。GoogLeNet模型97.50%的识别准确率意味着，AI在特定数据集上的鉴定能力已接近人工专家水平。在教学交互效果方面，“视觉—认知”双驱动智能体的德尔菲专家评价显示，系统各项指标均显著优于中值，专家一致认为引入检索增强生成机制与知识图谱约束后，“智能体的回答严谨准确，未出现通用大模型的‘胡编乱造’现象”。在学生学习体验方面，南京中医药大学的实践表明，“人工智能+大数据”辅助工具“显著降低了学生的信息负担，增进了学习的兴趣”。
 
一项基于BOPPPS教学模式的显微鉴别实训研究提供了更具体的数据。该研究以某校2024级药品质量与安全专业两个教学班共108人为对象，观察组58人采用活力课堂教学模式。结果显示，观察组在课堂主动提问率、上台展示率、小组讨论参与率、实操完成率等指标上均优于对照组。在技能成绩方面，观察组的制片合格率、显微镜正确操作率、特征识别准确率、结果判定正确率分别提升了17.8%、28.6%、55.8%和54.1%。
 
 （二）AI辅助教学的边界与局限
 
尽管AI辅助教学展现出积极效果，但其应用边界需要清晰界定。前述系统效能评价中专家明确指出，系统“具备替代实物标本进行初级教学的潜力”——“初级教学”这一限定语是审慎而准确的。中药显微鉴定作为一项实践技能，其最终目标是学生能够在真实工作场景中独立完成药材鉴定。AI辅助系统可以训练学生的“特征辨认能力”，但无法完全替代实物标本操作中培养的“制片手感”“显微镜操控经验”和对真实样本中“非理想图像”的适应能力。
 
从“中国药物经济学”的视角审视，AI辅助教学系统的建设涉及设备采购、平台开发、内容维护和教师培训等多项投入。对于经费有限的中医药院校，需要评估这些投入相对于教学效果提升的性价比。当前的研究多为小规模的教学实践验证，其效果在不同院校、不同教学条件下的可复制性仍需进一步检验。
 
 
 五、结语
 
人工智能技术在中药显微鉴定辅助教学中的应用，其核心价值不在于“用AI替代教师”，而在于“用AI补足传统教学的短板”。传统教学的三个核心困境——视觉困境（看不清）、资源困境（标本不够）、反馈困境（指导不细）——恰好对应了AI技术的三个应用方向：图像处理技术增强视觉感知，虚拟仿真技术拓展资源边界，智能评估技术提供即时反馈。三者之间并非彼此孤立，而是形成了“看得到—有得看—看得懂”的递进关系。
 
当然，AI辅助教学系统的建设不应追求“技术炫技”，而应以“解决真实教学问题”为导向。一个功能简洁但能有效帮助学生定位显微特征的标注系统，可能比一个功能复杂但操作繁琐的虚拟仿真平台更具教学价值。正如前述系统效能评价中专家所反馈的，关键技术指标是“回答是否严谨准确”“纹理还原是否真实”“交互是否提升沉浸感”——这些指标的背后是同一个教学目标的追问：学生是否在这个系统中“真的学到了东西”。
 
 
参考文献
 
[1] 杨辉,冷学明,韩博,等.基于“视觉—认知”双驱动的中药饮片鉴别教学智能体关键技术研究[J].环球中医药,2026,19(3):1-10.
 
[2] 程轩轩,李钟.《中药鉴定学》无纸化实验教学平台的构建[J].药学教育,2023,39(12):252-255.
 
[3] 庆英杰.“人工智能+大数据”赋能中药认知实践教学的创新探索[J].药学研究,2026,45(2):46-50.