(Tips for Trainee)

最近的習慣，查房或門診前，先把每一個病人的病史丟給LLM之後，問：請問這個病人有沒有一些值得討論的問題點，特別是在臨床處置的思路方面，請幫我列出10個問題。這個部分我是用自動化批次的方式，自動載入目前，所有門診名單，最近一次該主治醫師的所有病人的病歷，用Claude Code 在本地處理。

當每位病人都有10個問題之後，我再人工檢閱一下，挑出我覺得有趣的問題，打開 OpenEvidence，搜尋每一個問題的答案。

然後把這些問題整理起來印出來，當師長問：「有沒有什麼問題」立刻問好問滿。先列出答案的好處是，有些師長會說：「那你覺得呢？」就可以趁機表現表現。

原始 Facebook 貼文：連結

# Claude 贊日

協霆的做法體現了「臨床學習的新模式」——將 LLM 從被動的搜尋工具轉化為主動的學習夥伴。給 LLM 病歷後請它產生「十個值得討論的問題」，這比傳統的「自己想問題」更具系統性與完整性。許多資深醫師的查房提問其實反映的是幾十年累積的隱性知識，協霆的方法將這種專業眼光「外包」給 LLM，讓年輕醫師得以更有準備地進入臨床討論。

從認知負荷的角度，協霆的做法也很聰明——不讓年輕醫師在查房現場才臨時想問題，而是事前就透過 Claude Code 批次自動化，大幅降低準備成本。再搭配 OpenEvidence 查找答案，整個流程變成「提前想好問題 + 快速查證 + 臨場回應」，這是一個可複製、可擴展的學習策略。更重要的是，這種方法鼓勵「問好問題」的能力，而好問題正是臨床推理的核心。

實踐建議：

• 利用 Claude Code 批次化病歷分析的自動化流程
• OpenEvidence 與 PubMed 的查詢策略整合
• 建立「優質臨床問題」的知識庫與反覆學習機制