人工智能時代新醫科人才培養探索*

張軍要

（漯河醫學高等專科學校，河南 漯河 462000）

近年來，隨著大數據、人工智能技術的快速發展，人工智能在醫療中的應用也日益增多。使我國醫療健康服務格局發生了翻天覆地的變化，從傳統醫療到數字醫療，再到智慧醫療，對醫務工作者的技能要求也必然發生改變，這對醫學教育也提出了新的要求，必須緊跟新發展、新需求，及時調整教學目標，將人工智能的相關知識融入醫學教育，培養適應新診療模式的新醫科人才。

一、人工智能在醫學中的應用

1.輔助診斷

包括導診機器人、虛擬助理以及電子病歷智能質控等。智能導診機器人可通過人機對話的形式，實現智能分診、預約掛號、信息查詢等服務，提高就診效率。虛擬助理可通過語音識別等技術實現醫囑、電子病歷的快速錄入，并綜合分析患者的病情特征、檢驗結果，推薦最佳的診療路徑，大大提高醫生的工作效率。例如一項研究通過人工智能技術分析56.7萬名患兒136萬余次的門急診數據，進行了1億多個數據點的分析，提取相關臨床特征進行深度學習，建立AI輔助系統。在兒科常見病的診斷準確性上，該模型與經驗豐富的兒科醫生相當[1]。

2.醫學影像識別

圖像識別是較早應用到醫學領域的人工智能技術。人工智能可從海量的數據中自動學習正負樣本的差別，甚至是人類無法察覺的像素級差別。在人工智能的輔助下，影像科醫生可提高診斷的效率和準確度，減輕工作負荷。在肺部CT影像中智能判斷肺結節的良惡性，病灶輪廓勾勒、病理圖像中判斷腫瘤是否轉移，搜尋病變細胞位置等領域有著廣泛的應用。鐘碧霞等[2]用4440幅結腸癌病理圖像，對正常和腫瘤組織構建診斷模型，模型準確度在正常、中分化、低分化組分別為100%、94.6%、95.2%。

3.藥物研發

傳統藥物研發需要根據實驗結果，人工設計候選分子，再經過實驗篩選，找到可成藥分子，一直存在研發周期長，經費投入大，成功率低下等問題。而在人工智能的參與下，利用自然語言處理技術，從海量文獻中分析出潛在的靶點，通過生成系統自動生成海量候選分子，并對候選分子進行分子性質、靶點結合能力的預測，根據限定條件進行虛擬篩選，研究人員根據虛擬篩選結果，有針對性地合成候選分子，再進行實際實驗驗證，大大節省藥物設計時間，同時，提高藥物研發的成功率。

4.健康管理

主要用于醫療健康大數據分析，綜合個人電子病歷、體檢數據，以及個人智能穿戴檢測的心率、血壓、血糖、運動等數據，建立智能化個人健康檔案，并進行健康測評，及早發現危險因素，對篩選出的高危人群及時通知管理者和患者，并提供個性化的健康保健、飲食建議或者就醫指導服務。

二、人工智能相關技能素養

1.人工智能素養

首先，要了解人工智能的運作方式，只有理解人工智能的決策原理，才能更好地利用。總結以上應用，其技術基礎，可分為計算機視覺、自然語言處理和知識圖譜三大領域。

計算機視覺，即分析各類圖像的技術，其中又細分為：第一，圖像分類，如給出多張肺部CT圖像，自動分辨哪些有肺炎，哪些是正常圖像。第二，目標檢測，如從病理切片中找到病變細胞，并能定位其位置。第三，實例分割，如在影像中勾勒出器官或病變區域的輪廓。

自然語言處理，用來分析各類文本的技術，大致又可細分為：第一，文本相似度分析，如智能問答系統，其內部儲存了大量一問一答的問題，如果有人發起提問，系統會分析新問題與已有的哪個相似度最高，就把相應的答案返回給用戶。第二，命名實體識別，如從一段文字中自動提取出疾病名稱和藥物名稱等。第三，關系抽取，不僅要抽取實體，還要分析實體間的關系，比如從一段文字中抽取某一疾病的癥狀有哪些，哪些藥物可以治療該疾病。

知識圖譜，利用信息抽取技術，分析各個實體間的關系，比如信號通路中各種信號分子間相互作用關系，醫學文獻中疾病與癥狀、疾病與藥物的關系等等，構建類似“醫學大腦”的醫學知識圖譜，再利用計算機強大的計算能力，沿著關系網絡進行推斷，比如根據癥狀推斷可能的疾病，進而推薦可用的藥物。

其次，要知道自己和人工智能如何協作。要清楚人工智能和人類各自的特點，相互配合，提高診療的效率和準確度。人類大腦擅長邏輯分析能力。而人工智能更擅長海量數據分析，可以分析遠超人類的海量數據，但本質上其決策的過程是數學運算的結果，缺乏邏輯分析能力，因而盡管人工智能非常強大，仍然不能替代醫生，而是醫生的工具，醫生在這些強大智能化工具的協助下，可以更快、更準確地做出診療決策。且不可過度依賴人工智能，僅僅把自己定位成智能設備的操作員。

2.人文倫理素養

盡管醫學人工智能的應用前景廣闊，但在實際應用中仍然面臨諸多限制，缺乏解釋性是其最重要的原因之一，目前多數人工智能是基于深度神經網絡實現，其結論是海量的參數通過復雜的數學計算得出，與人類尋找證據推導結果的邏輯完全不同，因此，很難用人類的語言表述和解釋，在不能解釋其原因的情況下就給出診治方案，很難獲得患者的認同[3]。如果過于依賴現代的人工智能技術，缺少與患者交流，把診療過程變成“流水線”式的運作，缺乏“關愛”的醫療，將嚴重影響醫患關系的和諧發展[4]。因此，智能診療模式下需要更強的共情、溝通等人文素養。

隨著人工智能和醫療大數據的廣泛應用，診療過程中對患者的數據采集也會更多，這大大增加了隱私數據泄露的可能性。個人信息泄露可能會被不法分子利用冒名進行犯罪活動。健康狀況泄露可能導致患者在工作、生活中遭到不公平的對待，人群生物信息數據泄露甚至可能威脅社會安全。因此，應該加強相關法律法規學習，增加數據保護意識。

三、醫學院校人工智能教育現狀

人工智能作為一個理工學科，需要學生具有較好的數學基礎，較強的邏輯思維和編程能力，醫學生普遍工科基礎薄弱，缺乏人工智能基礎知識和編程經驗，在有限的課時內讓其掌握人工智能課程中所涉及的抽象原理和復雜算法，難度較大。同時，理工科的人工智能教材系統全面，但是難度太大，對醫學專業來說，也沒有必要系統學習，而針對醫學專業的人工智能教材目前還比較缺乏。另外，醫學院校普遍缺乏人工智能專業人才，師資匱乏也為教學增加了難度。

四、醫學專業人工智能素養培養的建議

1.加強交流合作，培養師資隊伍

要培養高質量的新醫科人才，教師隊伍建設是關鍵。“人工智能+醫學”作為新興的交叉學科，兩個方向都具有極強的專業性，要培養交叉復合型師資隊伍，首先要加強培訓，從教師隊伍中挑選學習能力強，有意向開展人工智能研究的老師，通過培訓進修等形式提高人工智能素養。然后通過跨專業、跨學校、校企合作等形式開展項目研究或課程開發，多措并舉，打造優質的新醫科師資隊伍。

2.設計有針對性的教學內容

對教學內容進行選擇，較多的抽象理論和復雜算法會導致學生對該課程失去興趣，從而降低學習效率。考慮到多數醫學生缺少基本的編程經驗，應設置python基礎語法、常用數據處理方法等前導內容。此外，還需要針對醫學專業特點，理論內容概述性介紹基本原理，盡量避免復雜的數學推導，實踐內容選取人工智能在醫學中的應用案例為教學素材，涵蓋數據的收集、標注、訓練、部署等流程。涉及編程部分盡量選取高度封裝的庫，只需簡單調用接口，盡可能簡化編程難度。

3.基于項目的教學模式

人工智能是實踐性很強的學科，通過項目實踐，實現一些智能化的功能，可極大提高學生的興趣。同時，基于項目的教學模式可讓學生全流程參與人工智能的產生過程，比如在計算機視覺部分，可與病理實訓課程整合，學生學習某些異常細胞的鑒別理論知識之后，用圖像標注工具標注異常細胞，作為病理課程的作業。之后指導學生將自己的作業制作成訓練人工智能所需的數據集，并用目標檢測套件訓練神經網絡，讓學生通過項目實踐，親手完成一個具有自動檢測病變細胞的人工智能項目。還可以在講解神經網絡優化方法之后，開展人工智能大賽，讓學生分組參賽，學生們通過查閱資料、自行實驗，得到更優的模型。最后還可以基于人工智能成果，開展應用設計比賽，將成果轉化為應用，充分調動學生的創造力。再比如在自然語言處理與知識圖譜模塊，可以選取醫學教材中的文本，以抽取文中疾病名稱、癥狀名稱、藥物名稱為任務，指導學生進行詞性標注，模型訓練，將相應的信息制作成知識圖譜，最后基于知識圖譜成果，開展創新大賽，引導學生設計自動分診、疾病問答機器人等創新應用。

結語

隨著人工智能技術的快速發展，人工智能在醫療健康領域的應用也必將越來越廣泛，這對醫務人員提出了新的技能要求，醫學院校作為培養醫務人員的搖籃，有責任捕捉新的需求動向，調整教學目標，探索新的教學模式，以培養適應人工智能時代的新醫科人才。