2026年1月，《Medical Teacher》发表研究表明，美国纽约州立大学下州健康科学大学（SUNY Downstate Health Sciences University）团队开发的多模态AI辅助方案，成功破解复苏汇报（Resuscitation Debriefing）人工标注成本高、可扩展性低的教育痛点。该方案基于商用AI Google Gemini，设计了14问题结构化提示框架，无需编程即可同步分析复苏模拟视频的视觉与音频信息，自动生成含临床事件、团队沟通的结构化时间线。测试表明，事后完整上传视频的处理方式最优，平均2～3分钟完成一段视频分析，时间精度达±10～15秒，可精准识别用药、除颤等关键干预及团队动态，远优于实时流分析。研究表明，该方法在不同急症场景中具有良好通用性，且开源了完整的提示框架和实施指南，使资源有限的环境也能借助智能手机和互联网开展高质量复盘。研究同时指出，团队沟通质量是影响检测精度的关键因素。下一步计划包括开展真实临床场景验证、整合电子病历补充信息，并持续关注数据隐私与伦理合规，推动复苏教学的普惠化发展。
(来源：AMEE官网，2026年1月22日)