從信息時代到人工智能時代：醫生與醫學生的新機遇和新挑戰

陳超越 范讓讓

摘要：醫生、教師、醫學生是臨床醫學教育中難以割裂的整體，人工智能技術的應用加速了精準醫療前進的步伐，從多個維度滲透到醫學各個領域，對臨床教育教學產生了巨大沖擊。一方面，計算機輔助診療成為醫學未來的發展趨勢；另一方面，課堂智能化也給醫學教育帶來了深遠的影響。本文從醫生、教師和醫學生三者的角度出發，以案例的方式概述人工智能給臨床領域和教育模式帶來的變化，闡述各方的態度，并分析背后的原因，以期為智能時代的醫科人才培養模式創新提供有益經驗和思路。

關鍵詞：人工智能；深度學習；臨床診療；醫學教育

引言

科技的迅速發展引領醫療行業進入信息時代，使得患者的臨床資料與輔助檢查結果以及時、準確、有組織性的數據形式呈現，醫生可以更高效、準確地診斷病情，還可以更精準、個體化地制定治療方案。人工智能技術（artificial intelligence，AI）的蓬勃發展正在將臨床診療推進到智能時代。在AI算法的支持下，計算機開始模仿人類的思維過程，具備了推理、洞察、總結、學習等一系列能力。AI與醫學領域的交叉研究已經成為一門前沿科學。一方面，隨著以卷積神經網絡為代表的先進深度學習網絡的出現和發展，人工智能算法在醫學研究領域的理論研究得以不斷深入；另一方面，醫學大數據集的完善推動了計算機輔助診斷（computer aided diagnosis，CAD）學科的進展，訓練后的AI模型在部分任務上達到了專家級的診斷水準。

在這場浪潮中，醫生和醫學生作為醫療行業與醫學教育的主體，將以主導者的身份引導人工智能在診療行業的發展。在我國的臨床教育體系中，醫生、教師和醫學生是難以割裂的整體。醫生的身份具備雙重性：一方面，他們作為臨床醫生，負責臨床診療活動的決策與執行；另一方面，他們作為教師，負責醫學生的教育和培養。AI技術的蓬勃發展，將智能化這個術語同時滲透到臨床與教學的活動中，對醫學界產生了多元化的影響。醫生在臨床工作中的見聞將決定他們培養新一代醫學生的方向，而在醫學教育中的新技術運用也將改變他們對未來醫療的看法，最終，他們的行為和態度將在課程理論和臨床實踐中對學生產生潛移默化的影響，共同決定未來醫療的發展趨勢。

1. 醫生：診斷與治療的新趨勢

根據不同學科的臨床需求，AI在醫學領域最常見的三類任務是分類（如病變的鑒別診斷）、檢測（如常規胸部CT中檢測肺結節）和分割（如頭部MR掃描中分割腦腫瘤圖像）[1]。目前，醫學圖像的智能化診斷是醫療人工智能應用中最成功的領域。因此，以放射科、病理科、眼科、皮膚科等科室為代表，依賴圖像進行診斷治療的學科最先遇到了挑戰。這些學科對其他檢查信息（如血常規的指標）的需求很小，臨床圖像已經包含了絕大部分診斷所需的信息，因此非常適合使用深度學習技術。

在放射學領域，AI模型已經開始從放射學的圖像處理擴展到輔助其他學科的專業診療中。其中最典型的是胸部疾病和乳腺疾病的診斷。由于這兩類檢查基數大，數據量充足，圖像標注簡單，因此在這些方向不但成為研究熱點，也是最貼近實際應用轉化的領域。在胸部疾病中，對算法針對性地改良，并在大數據集上訓練后，目前模型對肺結節的檢出率超過90%，對病變良惡性判斷的準確率已經超過85%[2]。在乳腺疾病中，最新模型在鉬靶圖像上對乳腺腫塊的檢出率已經超過95%，并且對病變分級判斷的準確率也已超過90%[3]。

在病理學領域，雖然病理圖片包含信息復雜且圖像尺寸偏大，但是病理切片上細胞的圖像模式具備高度的重復性和規律性，因此非常適合AI算法。最常見的研究包括兩類：第一類是訓練AI模型在HE染色切片或者術中冰凍活檢切片上進行常規的病理診斷，如判斷結腸癌的病理亞型、判斷乳腺癌患者雌激素受體的水平等。第二類是在整張圖像的細胞群中檢測病變細胞，如在腫瘤切片中尋找免疫細胞、在血涂片中檢測被感染的細胞等[4]。

在皮膚學領域，研究者則使用日常拍照的圖像作為原始數據，訓練AI模型鑒別皮膚損傷、皮膚癌和黑色素瘤等病變[5]。由于這些圖像非常容易獲取，圖像數據的數量和多樣性都有很好的保證，因此訓練的模型對圖像多樣性（不同角度、不均勻曝光等）具有較好的魯棒性，研究成果也具有很高的通用性。

值得注意的是，這些研究都在反復強調一個觀點：即經過訓練的AI已經達到甚至超越了人類專家的水平，使用AI輔助臨床診療不但可以有效降低醫師的工作量，提升疾病的檢出率，還可以降低患者的治療費用，增強醫患交流。因此，未來醫療的發展必然會邁入智能化時代。

雖然AI在科學界已被證明其應用潛力，但是目前的科學研究和臨床應用依然處在分離狀態。一方面，研究者不斷證明AI的預測準確性已經達到臨床診療的需求，訓練的模型也可以馬上部署測試；另一方面，傳統的臨床運行模式并未受惠于AI類研究的發展，真正可操作的智能化診療平臺遲遲未見蹤影，人工智能似乎還和臨床應用有很遙遠的路程[6]。而同時擁有臨床診療者和醫學教育者的雙重身份的醫生正處在這種悖論中。

作為臨床醫生，雖然他們已經逐漸意識到人工智能時代的到來，但是目前絕大部分的工作并未受到真正的沖擊。首先，臨床診療是非常復雜、嚴謹 的過程，醫生作為決策者和執行者需要仔細考慮和綜合分析。目前僅僅在單一任務上高性能表現的AI模型尚不能處理復雜的臨床任務，并且僅憑圖像信息上得出的診斷結論并不能讓醫生完全信服。其次，AI網絡目前有其自身的技術瓶頸。目前，幾乎所有的AI模型都是基于CNN訓練，但是魯棒性不佳是該技術的固有缺陷。雖然目前已有部分研究公開了他們的代碼，但是在測試后通常不能達到預期效果，即當前研究報道的成果在其他機構數據集上并不一定具備可重復性。因此，雖然醫生已經感受到智能化診療的時代趨勢，但是將科學研究轉化成實際可操作的產品，并將其推廣到臨床應用，仍然還有很長的路要走。

2. 教師：教學與實踐的新方法

醫學教育的核心是理論積累與實踐操作，AI也正在從這兩個方面改變著醫學教育。20世紀90年代，就有人提出并探索AI輔助醫學教育的可行性。當時的醫學教育學家們探討如何將專業知識整合到計算機輔助教學中，并開發智能化的決策支持系統和基于人工智能的教學應用軟件。經過30余年的發展，AI目前已經從各個角度對醫學教育產生了全面的影響。在我國政策的支持下，醫學院校大力推行在線的技能虛擬仿真教學平臺，其成果轉化迅速，市場投放率高，獲得認可度更高，有效解決了疫情期間技能、實訓、教學所面臨的困難，證明了其在教育領域的價值。那么，AI是如何改變傳統教學模式的？

AI與傳統教學之間的較量是當今教育教學領域的焦點之一。臨床教學是非常復雜的過程，每個學生的基礎知識和學習能力各不相同。傳統模式下，教師雖然可以統籌課程整體進展，但是無法準確分析每個學生的學習情況和學習進度，更無法針對學生個人制定個體化的學習計劃。這一直是傳統臨床教學中亟待解決的問題。AI輔助的理論教學則是智能化的講授和測評系統，通過基于AI算法開發的學習平臺，可以在講授過程中協助教師判斷學生對知識的掌握程度，尋找并解決知識盲點，進而幫助學生們更好地掌握理論知識[7]。AI教育強調高效、自適應的學習，可以根據學生的特點和進度智能地調整教學內容。

AI輔助的實踐操作，即虛擬現實技術輔助的情境教學則是另一個焦點。醫學本身不僅是理論知識的積累，更是實際操作的應用。傳統模式中，教學與實踐融合非常困難，因為患者的臨床情況復雜多變且難以預測，經典的模擬病人有時無法模擬真實場景[8]，而且對于部分侵入式的檢查操作，醫學生獲得實際鍛煉的機會可謂是可遇而不可求。為此，使用AI算法開發的VR技術提供了新的解決思路。例如，在外科手術培訓中，基于AI算法開發的應用程序為學生提供了沉浸式的教學體驗，可以作為非常好的課程輔助工具。

雖然AI技術在教學中展現出強大的輔助功能，但傳統教學的人情味和人際互動仍然是其無法替代的優勢。在實際應用中，找到二者的平衡點，充分發揮各自優勢，可能是未來教育領域的發展方向。這場較量不僅是技術與傳統的較量，更是對教育本質和目標的思考，如何在科技發展的潮流中實現更全面、個性化的教育，將成為未來的關鍵課題。

眾多研究和報道為我們展示了目前智能化的醫學教育的現況：打破了時空限制，降低了教學門檻，同時還緩解了臨床實踐教學資源的供求矛盾，保障了醫學教育的質量。整體而言，這種方案遵循醫學教育和人才成長的規律，發揮了技術平臺和智能應用的優勢，豐富了教育內容，擴寬了醫生的成才之路。這種成功也對醫師產生了正反饋，使他們在教學中感受到AI帶來的便利，了解到AI在臨床中可能的應用，增強了他們對CAD研究臨床轉化的信心。這些都進一步促使他們認識并相信智能化時代的到來，即便AI研究尚未真正沖擊目前的診療方式，但是他們也對AI的未來充滿信心，并相信AI將變成未來醫療界的主流趨勢。

3. 醫學生：學習和改革的新方向

在網絡媒體高度發達的今天，學生獲取信息的渠道變得十分廣泛且迅速。一方面，在教學活動中，智能化的教學系統和沉浸式的實踐方式正在切切實實地改善他們的學習方式；另一方面，對CAD研究的文獻報道層出不窮，各種輿論媒體也在不停地宣揚AI已經超過人類專家的說法，甚至大有代替醫生之勢。那么，醫學生對待AI應該持有怎樣的態度呢？

實際上，我們可以從醫生的責任和角色出發，定義醫療界該如何看待這種趨勢。對于醫療行業來說，即便AI技術真正滲入臨床診療的各個流程，醫生依然是該過程的決策者、執行者與責任者，AI只能被看作是診療中的輔助工具。未來的醫生依然需要掌握扎實的專業知識和熟練的操作技能。這既是對患者的負責，也是對職業的尊重。因此，醫學生們首先應該掌握扎實的基礎知識和熟練的臨床技能，同時了解數據科學、生物統計學和循證醫學知識。這些是構成醫療實踐的基礎，也是理解如何將人工智能用于醫學的關鍵。其次，醫學生應該關注專業內最新的科研技術的進展狀況，主動學習相關知識，順應時代發展潮流。最后，在輿論高度發達的今天，他們應該具備從輿論新聞中區分正確信息的能力，承擔為患者和公眾創造可靠、有效信息的責任。

結語

人工智能與醫學領域的關系密不可分，其發展從簡單的計算機程序到多樣智能算法的演變，徹底改變了醫學診療和科學研究的格局。人工智能為醫生提供了強大的輔助工具，其應用包括智能診斷、醫療影像分析、藥物研發等多方面，改變了傳統醫學模式，提升了臨床決策的準確性和效率。盡管人工智能技術不斷進步，醫生的專業判斷與人文關懷仍然是不可替代的核心，強調了在醫學領域中技術與人類智慧相輔相成的重要性。未來，醫學人工智能技術將主導醫療的主要發展方向，由于人為控制與設置的不確定性，算法改進與精準技能發展顯得尤為重要。在這場浪潮中，醫生、教師、醫學生如何在臨床實踐和醫學教育尋找各自的點，對醫學與人工智能的結合及可持續發展具有非常重要的意義。

參考文獻：

[1]徐喆，朱萍，龍海明.新醫科背景下人工智能在醫學信息技術中的應用探討[J].工業控制計算機，2024，37（1）：145-146，149.

[2]賀文俊，張周兵，胡永松，等.基于人工智能的CT定量分析在肺結節患者中的診斷價值及效能ROC曲線研究[J].現代儀器與醫療，2023，29（3）：89-92.

[3]Elhakim M T，Stougaard S W，Graumann O，et al.Breast cancer detection accuracy of AI in an entire screening population：a retrospective，multicentre study[J/OL].Cancer Imaging，2023，23（1）：127.https：//doi.org/10.1186/s40644-023-00643-x.

[4]Yu H，Mohammed F O，Abedl Hamid M，et al.Patient-level performance evaluation of a smartphone-based malaria diagnostic application[J/OL].Malaria Journal，2023，22（1）：33.https：//doi.org/10.1186/s12936-023-04446-0.

[5]Foahom Gouabou AC，Collenne J，Monnier J，et al.Computer Aided Diagnosis of Melanoma Using Deep Neural Networks and Game Theory：Application on Dermoscopic Images of Skin Lesions[J/OL].International Journal of Molecular Sciences，2022，23（22）：13838.https：//www.mdpi.com/1422-0067/23/22/13838.

[6]劉泓澤，劉迷迷，唐圣晟，等.醫學人工智能新基建的應用發展研究[J].中國數字醫學，2023，18（8）：1-7.

[7]申書洋，鄭昱寒.人工智能賦能高等職業教育發展：價值意蘊與推進策略[J].繼續教育研究，2024（3）：84-87.

[8]李云亮，白華威，趙三化.基于“互聯網＋”的高等職業教育信息化建設研究[J].河南教育（高等教育），2023（7）：25-27.

作者簡介：陳超越，博士研究生，助理研究員，研究方向：計算機輔助醫學診療研究；通訊作者：范讓讓，博士研究生，助理研究員，研究方向：神經系統腫瘤精準靶向治療研究。