背景

随着AI技术的发展，我们需要更进一步第思考医生的核心价值到底在什么地方，以及如何围绕这个核心价值来培养医生，同时降低医生学习和实践过程中对大量事实性程序性知识的依赖。这也就是”如何帮助医生们成为更好的医生，但是学的还能够更少“的问题，属于”教的更少，学得更多“的理解型学习的一个应用方向。那么，答案就在，把培养医生的重点放到其核心价值——也就是理解型学习的高层知识——的形成上。然后，把那些低层知识和技能，交给AI、手术机器人等科技辅助手段来完成。

为了这个目的，在本项目中，和一线医生一起，我们来尝试梳理一些典型案例，以及这些案例背后的高层知识。

一个例子：硬膜外血肿

关于硬膜外血肿这个疾病的成因、诊断和治疗，我们梳理出来了如下的概念地图，未来我们会建立一个“硬膜外血肿”的概念词条，以及辅助说明这个词条的其他词条，来给这张概念地图提供一个解释说明。

后续工作

1. 检验这个梳理出来的概念地图和相应的文字的解释在学习知识上的效果。也就是让一个不会这个知识的人看看能否更快的学会这个知识。最好能够做一个和传统学习材料下的学校效果的对比。当然，初步研究，仅仅试试个人体验反馈也是可以的。
   1. 仅仅包含相对低层知识对相对低层知识学习的作用，
   2. 包含了高层知识对相对低层知识学习的作用，
   3. 包含了高层知识对相对低层和高层知识学习的作用。
2. 检验这个梳理出来的概念地图和相应的文字的解释在使用知识上的效果。也就是让一个已经一定程度上学习过了解过这部分知识的人，如果在实践中需要再一次把这个知识捡起来，并且用起来，对比一下概念地图和文字说明结合的方式和传统用于学习的材料或者指南的效果。
3. 进一步梳理这张图背后的隐性知识（经验、直觉等），以及需要细化的其他概念
4. 把研究论文、指南等其他素材也标注到图上相应的概念或者连词上，把这张图充当一个资源组织器的作用
5. 做更多的其他例子，从这些例子中提炼医学高层知识，找出来医生的核心价值，做进一步的学习和使用效果的检验
6. 把诊断大数据和这个概念网络结合，做出来更好的辅助诊断AI?