9月16日，在重庆举行的第二届医学人工智能大会（MAIC 2026）上，北京大学第一医院信息中心主任周国鹏分享了与WPS 365医疗版团队合作的最新进展：双方研发的PBL临床教学多智能体协同方案已完成技术验证，贯通课前备课、课中分析与课后评估流程，让医学教学从经验驱动迈向数据驱动。
“面对PBL这种公认的复杂教学场景，此次验证本质上是对多智能体协同架构在复杂教学场景中的一次摸高压力测试。从实时感知、认知诊断、个性化干预到自动评估，全链路贯通，证明了使用AI辅助PBL教学的可行性，并且证明了平台具备解决复杂真实场景的工程实力。”周国鹏介绍。
PBL是以问题为基础、学生为主体、小组讨论为形式，在导师引导下，围绕真实问题开展自主探究与合作学习的教学模式。在实际教学中，多组学生同时讨论，教师难以兼顾每个人的发言，及时发现知识盲区和逻辑缺陷；课后评价又往往依赖作业和课堂印象，缺少连续的过程记录。如何看清讨论过程、及时介入引导、客观评价表现，是此次合作重点解决的问题。
双方整合WPS会议、WPS Comate、WPS AIDocs、WPS协作、WPS多维表等产品，采用多个智能体分工协同的会议智能服务，为PBL教学全流程提供辅助。
课前，备课智能体根据临床病例，从“该病例的核心症状是什么”“症状背后可能的病理生理机制”到“如何确定诊断与治疗方案”生成递进式的教学问题链，并匹配教学大纲知识点，为课中讨论分析提供参照。
课中，课堂分析智能体区分学生发言，逐轮分析知识盲区、逻辑缺陷、表达问题和错误观念，向学生提供引导式提示。教师通过可视化看板掌握各组讨论情况。根据每名学生暴露的问题，AI针对性生成“补全发病机制链条”“重写鉴别诊断分析”等课后练习，并从权威医学文献检索系统、教培知识库等来源推荐学习资料。
课后，评估智能体汇总课堂过程数据，从学习资源利用、分析问题、学习态度与表达、小组协作四个维度形成个人报告，呈现优势、待改进项及发展建议，为后续教学提供依据。
周国鹏主任介绍，该多智能体协同的PBL智能教学助手已在技术验证中跑通从病例备课、讨论分析、练习与资源推荐到个人评估的教学流程。“现在这套系统能实时诊断、逐轮分析、个性化推荐，真正做到认知可观测、干预可精准、成长可量化。”未来，这套多智能体协同体系将扩展至科室组会、医护继续教育培训、医护人员面试考核、多学科会诊、远程会诊与医联体协作。
此前，央视“AI智能体上岗办公”新闻专题报道了北大医院的WPS Comate应用实践。医院质量管理部门对一个月产生的数据进行分析，过去通常需要两到三周，使用智能体后缩短至两三天。此次PBL教学探索，进一步将合作延伸至医学教育场景，实现了多智能体协同架构的工程验证，是国内医疗人工智能领域的前沿探索，为医疗场景应用提供了新的实践参考。
