人工智能在醫(yī)學(xué)教育領(lǐng)域的現(xiàn)狀、未來治理研究

〔摘要〕醫(yī)學(xué)教育模式歷經(jīng)三次轉(zhuǎn)變，如今正處于第四次變革的分水嶺。人工智能技術(shù)的介入不僅重塑了醫(yī)學(xué)模式，對醫(yī)學(xué)教育模式也產(chǎn)生重要影響，包括保障基礎(chǔ)醫(yī)學(xué)實驗安全規(guī)范進行、促進學(xué)生診斷思維能力的培養(yǎng)、因材施教、培育個性化教學(xué)方案、強化醫(yī)學(xué)生的人文關(guān)懷意識、推進臨床醫(yī)學(xué)與其他社會科學(xué)的合作。與此同時，醫(yī)療人工智能也為教學(xué)參與者帶來風險與挑戰(zhàn)，教師與學(xué)生需要加強溝通交流，提升數(shù)字素養(yǎng)，保障數(shù)據(jù)安全，同時教師需要鼓勵學(xué)生合理適度地使用技術(shù)品，防止學(xué)生迷失其中。醫(yī)學(xué)院校需要與社會各界保持合作，共同面對已經(jīng)產(chǎn)生的倫理風險，補齊法律監(jiān)管的短板。同時提高自身科技創(chuàng)新水平，完善人才培養(yǎng)體系，培育順應(yīng)現(xiàn)代醫(yī)學(xué)發(fā)展方向的新人。

〔關(guān)鍵詞〕人工智能；醫(yī)學(xué)教育；智慧醫(yī)療

〔中圖分類號〕R-05 〔文獻標志碼〕A 〔文章編號〕1001-8565（2024）09-1093-08

DOI： 10. 12026/j. issn. 1001-8565. 2024. 09. 12

*基金項目：2018年度國家社科基金重大項目“中醫(yī)藥文化國際傳播認同體系研究”（18ZDA322）；2021年度江蘇省社科基金青年項目“醫(yī)療人工智能的倫理風險及應(yīng)對策略研究”（21ZXC003）；2024年江蘇省研究生科研創(chuàng)新計劃項目“手術(shù)機器人發(fā)展史研究”（KYCX24_2093）

Research on the current situation and future governance of artificial intelligence in the field of medical education

WU Zongyuan， LIU Zhen， ZHANG Zongming

（School of Medical Humanities， Nanjing University of Chinese Medicine， Nanjing 210023， China）

Abstract： The medical education model has undergone three transformations and is currently at the watershed of the fourth iteration. The intervention of artificial intelligence （AI） technology not only reshapes the medical model， but also has a significant impact on the medical education model， including ensuring that basic medical experiments are conducted safely and consistently， promoting the cultivation of students’ diagnostic thinking ability，teaching according to their aptitude， cultivating personalized teaching plans， strengthening the humanistic care awareness of medical students， and promoting cooperation between clinical medicine and other social sciences. Meanwhile， medical AI also brings risks and challenges to teaching participants. Teachers and students need to strengthen communication， improve digital literacy， and ensure data security， while teachers need to encourage students to use technology reasonably and moderately， thus preventing them from getting lost in it. Medical colleges and universities need to maintain cooperation with various sectors of society， jointly face the ethical risks that have already arisen， and make up for the gaps in legal supervision. At the same time， the level of scientific and technological innovation should be strengthened， the talent training systems should be improved， and new talents who are in line with the direction of modern medical development should be cultivated.

Keywords： artificial intelligence； medical education； intelligent medical care

人工智能的研究起始于1956年的達特茅斯會議[1]。1985年，人類首次將工業(yè)機器人PUMA560應(yīng)用于臨床診斷[2]，醫(yī)療機器人的研發(fā)正式開始。隨著ChatGPT等語言模型的構(gòu)建和接入，醫(yī)療機器人正在引領(lǐng)未來醫(yī)療產(chǎn)業(yè)的變革。但我們真的到達未來了嗎？盡管以醫(yī)療機器人為代表的智慧醫(yī)療產(chǎn)業(yè)給現(xiàn)代醫(yī)學(xué)研究帶來了巨大的變化，但它引發(fā)的種種問題尚未被納入醫(yī)學(xué)教育的研究整體中[3]。在中國，智慧醫(yī)療理念與人工智能技術(shù)是相伴而行、相互影響的。醫(yī)療人工智能技術(shù)的下一代革新必定依賴于醫(yī)學(xué)教育范式的改變，但醫(yī)學(xué)教育模式與人工智能技術(shù)該怎樣走向融合？結(jié)合過程中產(chǎn)生的一系列問題又該如何應(yīng)對？這是我們必須面對的話題。

1 醫(yī)學(xué)教育模式的變革方向

醫(yī)學(xué)教育模式共經(jīng)歷了三次轉(zhuǎn)變[4]，雖然三次轉(zhuǎn)變的外在原因有所不同，但內(nèi)在根本動因離不開社會環(huán)境的變化。

20世紀初期，因生物醫(yī)學(xué)模式逐漸成型，醫(yī)學(xué)教育模式也隨之發(fā)生巨大改變[5]。這一時期的醫(yī)學(xué)教育體系快速吸收現(xiàn)代科學(xué)技術(shù)的新知識，以經(jīng)驗傳授為主的模式被徹底顛覆。20世紀中期，出于戰(zhàn)后關(guān)懷的實際需要，美國不僅擴大了醫(yī)學(xué)院校的招生規(guī)模，還增設(shè)了人文教育課程。隨著大量針對醫(yī)學(xué)教育模式改革的調(diào)查研究報告刊發(fā)，以器官整合為中心、問題為導(dǎo)向的醫(yī)學(xué)教育模式得到逐步確立。

21世紀初期，醫(yī)學(xué)教育模式的改革源自1981年的一份報告——《為二十一世紀培養(yǎng)醫(yī)生》，該報告提出醫(yī)學(xué)院要加強醫(yī)學(xué)生的臨床訓(xùn)練，培養(yǎng)學(xué)生獨自面對臨床問題的能力，便于畢業(yè)生可以更快地進入臨床工作。2010年，21世紀全球醫(yī)學(xué)教育專家委員會成立，倡導(dǎo)醫(yī)學(xué)院校間應(yīng)加強合作、破除學(xué)科壁壘，為“以人為中心”這一目標而奮斗。醫(yī)學(xué)模式轉(zhuǎn)變后期望培養(yǎng)標準化與個性化相統(tǒng)一的人才，以此滿足醫(yī)教研協(xié)同系統(tǒng)的要求。自此，以衛(wèi)生系統(tǒng)為中心、勝任力為導(dǎo)向的醫(yī)學(xué)教育模式得到廣泛認可。

第三代醫(yī)學(xué)教育改革已有20多年，伴隨著2019年之后醫(yī)療機器人產(chǎn)業(yè)的井噴式發(fā)展，醫(yī)學(xué)教育模式將迎來第四次變革。現(xiàn)代教育模式歷經(jīng)三次轉(zhuǎn)變，根本原因在于人與社會環(huán)境互動效果的改變，盡管第三次醫(yī)學(xué)教育模式改革中提出個性化教學(xué)和醫(yī)患合作等主張，但均受困于技術(shù)限制而難以實現(xiàn)，例如教師很難對課程內(nèi)學(xué)生的學(xué)習(xí)情況逐一了解；由于需要面對大量的門診患者，醫(yī)生也很難仔細地了解每一位患者的情況和想法。

目前，人工智能技術(shù)快速發(fā)展，不僅在臨床治療中廣泛應(yīng)用，甚至還直接參與并影響到臨床教學(xué)活動，教師和學(xué)生群體的認知和學(xué)習(xí)行為也隨之發(fā)生轉(zhuǎn)變，第四次醫(yī)學(xué)教育革命將產(chǎn)生顛覆性的影響。因此醫(yī)學(xué)院校與醫(yī)學(xué)生面臨以下問題：如何去平衡快速更新的人工智能知識與過往經(jīng)驗積累下來的知識之間的關(guān)系；當零散局限的知識聚合在一起，變得觸手可及時，醫(yī)學(xué)教師又該怎么去教育學(xué)生分辨，并將這些知識進行系統(tǒng)整合，應(yīng)用于臨床實踐中。

2 人工智能在醫(yī)學(xué)教育領(lǐng)域中的應(yīng)用

目前學(xué)者對人工智能技術(shù)在醫(yī)學(xué)教育領(lǐng)域產(chǎn)生的影響仍存在許多擔憂，但對醫(yī)學(xué)教育模式來說，人工智能的介入將在未來醫(yī)學(xué)生的思維結(jié)構(gòu)以及院校的培養(yǎng)模式方面發(fā)揮積極作用。例如19世紀聽診器的發(fā)明進一步完善了查體技術(shù)，此后醫(yī)生不斷改進各類診斷器具，對疾病診斷的精確性提出更高的要求，醫(yī)學(xué)院校的診斷課程也變得更加系統(tǒng)和完善。現(xiàn)在，人工智能技術(shù)參與到醫(yī)學(xué)教育模式的各個環(huán)節(jié)中，醫(yī)學(xué)教育的進程也將被改寫。

2. 1 保障實驗安全規(guī)范地進行

在過往的醫(yī)學(xué)教育模式中，基礎(chǔ)醫(yī)學(xué)的學(xué)科教育一直存在教育失衡的問題，尤其見于學(xué)科體系不完全或?qū)嶒灲?jīng)費較少的醫(yī)學(xué)院校，這些院校普遍存在實驗資料獲取困難、實驗室安全監(jiān)督不到位等問題。即使是設(shè)備健全的醫(yī)學(xué)院校，也會因為師生之間互動少，缺乏討論交流而導(dǎo)致實驗研究進展緩慢。

在人工智能技術(shù)引入醫(yī)學(xué)教育后，基礎(chǔ)學(xué)科將最先受益。基礎(chǔ)醫(yī)學(xué)學(xué)科因教學(xué)內(nèi)容的特殊性需要大量的實驗教學(xué)，實驗前準備工作的正確與否會嚴重影響到結(jié)果的觀察與分析，教師很難對全部實驗小組做到兼顧。而虛擬實驗平臺在很大程度上可以規(guī)避錯誤與風險，同時針對實驗要求對每一位學(xué)生做出相應(yīng)指導(dǎo)，給醫(yī)學(xué)生提供更多不受空間限制的實訓(xùn)機會。在實驗開始前，虛擬實驗平臺可以為每一位參與的學(xué)生呈現(xiàn)正確的實驗操作步驟，幫助他們進行提前模擬，使實驗可以順利進行，提高成功率。

虛擬實驗室的搭建成為醫(yī)學(xué)教育模式變革的標志，尤其在ChatGPT等語言模型接入后，使得虛擬實驗的質(zhì)量和仿真度都得到了提升，虛擬實驗空間也會監(jiān)督學(xué)生的實驗行為，對危險行為作出提醒與警告，保障實驗操作規(guī)范，使每一位醫(yī)學(xué)生都得到充分的教育。

2. 2 促進學(xué)生診斷思維與能力的提高

將醫(yī)學(xué)研究引入人工智能技術(shù)的目的是輔助臨床診斷，提高患者治愈率。醫(yī)學(xué)教育領(lǐng)域引入人工智能技術(shù)則旨在促使在校醫(yī)學(xué)生進行臨床仿真訓(xùn)練，提高實踐技能水平，應(yīng)對醫(yī)學(xué)領(lǐng)域日益復(fù)雜的挑戰(zhàn)。

對于診斷學(xué)等臨床學(xué)科來說，人工智能技術(shù)可以對虛擬“患者”進行訓(xùn)練，使得它們更加符合臨床實際。教師將臨床源數(shù)據(jù)保存至數(shù)據(jù)庫后，人工智能可以自動對案例和模型做出分類，在實際操作過程中準確識別關(guān)鍵詞，排除樣本的個體差異與干擾，消除過于復(fù)雜的影響信息，方便學(xué)生進行實驗?zāi)M。

醫(yī)學(xué)生的共性問題是理論知識不扎實，同時缺乏臨床經(jīng)驗。醫(yī)療人工智能模型會在學(xué)生使用操作過程中及時判斷學(xué)生給出的診治方案是否常用或正確，在引導(dǎo)學(xué)習(xí)的同時逐個反饋實驗結(jié)果，方便查缺補漏。因此，學(xué)生在使用診斷模型的過程中可以快速理解并掌握相應(yīng)知識點，醫(yī)療人工智能模型還可以幫助醫(yī)學(xué)生排除可能存在的干擾，培養(yǎng)臨床思維，促進他們更快地進入實踐中。

2. 3 推動個性化教學(xué)方案的實施

在過往的醫(yī)學(xué)教育模式中，醫(yī)學(xué)院校和教師會更偏重社會環(huán)境的需要，而容易忽略學(xué)生的個體實際情況。但學(xué)生是教育模式中最重要的要素，因為不論教育模式如何變革，最終反饋到臨床實踐中的始終是學(xué)生。

對醫(yī)學(xué)生來說，由于對知識的接受程度和學(xué)習(xí)方法不同，不論處于什么學(xué)習(xí)階段，都需要個性化的學(xué)習(xí)場景。第四代醫(yī)學(xué)教育模式為個性化教學(xué)方案的實施提供了發(fā)展環(huán)境，虛擬仿真教學(xué)平臺會記錄不同學(xué)習(xí)者使用后產(chǎn)生的數(shù)據(jù)，進行單獨儲存和處理，并在每次學(xué)習(xí)時匹配新的教學(xué)時段，同時可以做到依據(jù)不同的教學(xué)場合和要求推送符合學(xué)習(xí)者的學(xué)習(xí)內(nèi)容。

個性化教學(xué)的最終結(jié)果不僅反饋在教學(xué)模式中，也將反饋到臨床實踐中。小到一次普通感冒，大到臟器切除手術(shù)的預(yù)后，醫(yī)生都會參照患者發(fā)病癥狀和用藥情況，有根據(jù)地推導(dǎo)，并提供出對患者最有利的治療方案，這才是醫(yī)學(xué)教育模式改革的首要目的，也是醫(yī)工結(jié)合的目標。智慧醫(yī)療的愿景本就是提升醫(yī)生和患者的幸福感，個性化教學(xué)可以使醫(yī)生能夠主導(dǎo)技術(shù)的介入，而不只是簡單地對技術(shù)作出反應(yīng)。

為了更好地使用數(shù)據(jù)模型，必要的學(xué)院派教育也發(fā)揮著重要作用。有研究表明，來自不同教育背景的醫(yī)學(xué)生在理解模型開發(fā)和算法評估等方面存在極大差異[6]，一些地區(qū)醫(yī)學(xué)院校的選拔方式使得這一差異更顯突兀。許多學(xué)科基礎(chǔ)知識應(yīng)在臨床實踐前得到學(xué)習(xí)訓(xùn)練，例如人工智能技術(shù)入門所需要的數(shù)據(jù)管理、分析、安全保護和所涉及的規(guī)范使用數(shù)據(jù)庫等。個性化教育有助于抹平這一差異，同時訓(xùn)練出更適合中國教育模式的醫(yī)療人工智能模型。

2. 4 強化人文關(guān)懷意識的培養(yǎng)

在虛擬學(xué)習(xí)平臺搭建后，個性化學(xué)習(xí)還可以應(yīng)用于醫(yī)學(xué)人文思想的教育評估。醫(yī)患溝通一直是人文醫(yī)學(xué)領(lǐng)域的研究重點，人工智能技術(shù)可以為臨床案例提供新的分析視角。

對患者來說，臨床需要訓(xùn)練出一個合格的醫(yī)生；在醫(yī)療教學(xué)中，醫(yī)學(xué)生也需要訓(xùn)練出一個合格的患者。在模擬訓(xùn)練中，人工智能可以介入醫(yī)患溝通環(huán)節(jié)，例如圍手術(shù)期的溝通，此時需要醫(yī)患雙方的共同決策，患者和醫(yī)生在此時需要一個良好的互動氛圍。醫(yī)生提供診療思路，患者表達訴求和未來展望。語言模型可以學(xué)習(xí)并搭建溝通平臺，提供術(shù)中模擬情景和對家屬的及時反饋，促進醫(yī)患共同決策的形成[7]。人工智能技術(shù)介入教學(xué)模擬系統(tǒng)后，病例數(shù)據(jù)不再受限，醫(yī)學(xué)生也可以真正地站在患者的角度，以實際治愈為目標，考慮患者的實際需要，這對醫(yī)學(xué)生的教育有很好的啟發(fā)意義。

同時，只是體現(xiàn)在教育技術(shù)進步上的人文意識培養(yǎng)還遠遠不夠，不能將未來醫(yī)生的培養(yǎng)全權(quán)交付于數(shù)字化醫(yī)療產(chǎn)業(yè)[8]。在人工智能技術(shù)加持下的醫(yī)學(xué)教育，培養(yǎng)出來的絕不會是一個模子里生產(chǎn)的“機器人”。學(xué)生可以在虛擬實驗室架構(gòu)的各色空間內(nèi)與形形色色的患者接觸，學(xué)習(xí)與醫(yī)務(wù)人員之間的合作和溝通、醫(yī)患之間如何保持正常的互動、醫(yī)務(wù)人員日后的人際交往等內(nèi)容。人文關(guān)懷不僅體現(xiàn)在對患者的態(tài)度上，也體現(xiàn)在醫(yī)生執(zhí)業(yè)的各個方面。從某種程度上來說，特定情境下與他人的合作交流也是個性化教學(xué)的一部分。

2. 5 助力跨學(xué)科合作平臺的搭建

不論是虛擬實驗平臺的搭建，還是個性化教學(xué)方案的實施，都需要醫(yī)學(xué)院校的教師掌握多學(xué)科內(nèi)容，與眾多不同類型的患者加強溝通，以此填補數(shù)據(jù)庫缺陷，培養(yǎng)醫(yī)療人工智能技術(shù)對社會公正問題和性別差異問題的敏感性。這對于醫(yī)學(xué)院校教師來說難度較大，所涉及學(xué)科不僅是醫(yī)學(xué)和計算機科學(xué)，還應(yīng)包括社會工作、計算機科學(xué)、工程學(xué)、哲學(xué)和心理學(xué)等學(xué)科，跨學(xué)科合作在此時顯得尤為重要[9]。

跨學(xué)科合作的意義除了促進人際交往和醫(yī)患共同決策，還包括解決人工智能技術(shù)目前面臨的最大難題——人工智能算法模型的“黑箱”性質(zhì)[10]。醫(yī)學(xué)專業(yè)教育有義務(wù)增加跨學(xué)科內(nèi)容的教學(xué)，以此促進醫(yī)學(xué)人工智能可解釋性的實現(xiàn)，同時保證教學(xué)模型數(shù)據(jù)庫內(nèi)的資源不被污染，抹平學(xué)科之間的壁壘和信息差。

“黑箱”模型所涉及的可解釋性問題很好地回答了為什么我們需要跨學(xué)科合作。用于醫(yī)學(xué)教育的學(xué)習(xí)模型的參數(shù)數(shù)據(jù)量龐大，這些用于學(xué)習(xí)理解的數(shù)據(jù)超越了模型本身的復(fù)雜度。具體來講，要想“黑箱”變得透明，教師和醫(yī)學(xué)院校在提供學(xué)習(xí)數(shù)據(jù)時，還需要確保這些數(shù)據(jù)沒有產(chǎn)生極大的偏差，例如樣本數(shù)據(jù)的不足或過剩。除此之外，還要確保每一部分的樣本都大致均衡，可供采納的數(shù)據(jù)量充足。挑戰(zhàn)也在于此，對于一個模型來說，究竟多少才是“足夠的樣本數(shù)量”？這一點僅靠計算機科學(xué)的單一研究是難以準確把握的，因為傳統(tǒng)統(tǒng)計模型的運算量可能達不到復(fù)雜深度學(xué)習(xí)模型的要求，因此多學(xué)科的合作是醫(yī)學(xué)教育模式改革的必然走向。

如今，越來越多的醫(yī)學(xué)院校在主干課程中加設(shè)跨學(xué)科的學(xué)習(xí)內(nèi)容，同時增加了實訓(xùn)教學(xué)時間。這種人機互動不僅使得教師和學(xué)生直接參與到軟件的開發(fā)和運營過程中，創(chuàng)造出更有效的系統(tǒng)工具，還鼓勵和培養(yǎng)了學(xué)生的溝通意識，促進學(xué)生積累相關(guān)的專業(yè)知識和經(jīng)驗，進而培養(yǎng)出一批熟練使用人工智能技術(shù)的醫(yī)生。

當然，從根本上改革醫(yī)學(xué)課程需要漫長的探索。隨著人工智能技術(shù)的不斷提升，也需要隨之更新和調(diào)整教學(xué)方法。但這正是教育改革的黃金時刻——對醫(yī)學(xué)生來說，人工智能高效的計算能力，可以提高信息獲取和知識整合的效率，有利于臨床思維的培養(yǎng)和實踐技能的培訓(xùn)。以此為基礎(chǔ)，將培養(yǎng)出兼具深厚知識與強大思維的“新”醫(yī)生。

3 醫(yī)學(xué)教育參與者面臨的挑戰(zhàn)及應(yīng)對策略

在醫(yī)學(xué)教育模式中，教學(xué)參與者分別是醫(yī)學(xué)院校、教師和學(xué)生。醫(yī)學(xué)院校是與社會直接溝通聯(lián)系的集體，需要綜合管理教師和學(xué)生，為教學(xué)模式的改革提供全方位支持。教師和學(xué)生作為獨立的個體需要改變自身的認知和行為，以適應(yīng)新模式的要求，例如教師對學(xué)生進行管理和約束，教育他們合理適度地使用人工智能技術(shù)；學(xué)生是教育模式結(jié)果的體現(xiàn)，培養(yǎng)的學(xué)生是否符合社會及臨床的需要，是教育模式改革成功與否的重要評價指標。

3. 1 教師面臨的挑戰(zhàn)及應(yīng)對策略

人工智能技術(shù)的介入并不能動搖教師的地位，教師需要在人工智能技術(shù)的幫助下改變自己的教學(xué)模式，接受專業(yè)培訓(xùn)，了解新的專業(yè)發(fā)展方向。在幫助學(xué)生找到認同與樹立個人目標時，教師的思維模式也應(yīng)有所轉(zhuǎn)變，適時的變化有助于更好地落實個性化教育的目標，保障學(xué)生能更加自信、自如開始職業(yè)生涯[11]。

3. 1. 1 教師面臨的挑戰(zhàn)

目前，人工智能技術(shù)只能滿足日常智能化生活，還達不到服務(wù)臨床全過程的要求。但對于部分醫(yī)學(xué)生來說，由于自控力的缺乏，他們極易滋生惰性，甚至濫用醫(yī)療人工智能模型。這不僅考驗了學(xué)生的個人意志力，也是對教師教育理念的考驗。

第一，醫(yī)學(xué)生缺乏培養(yǎng)數(shù)字化創(chuàng)新的意識，影響教學(xué)實驗數(shù)據(jù)安全。由于“黑箱”性質(zhì)的限制，使得最終實驗數(shù)據(jù)和臨床診斷結(jié)果的推理過程不透明，難以清晰展現(xiàn)。如果在輸入數(shù)據(jù)后只能得到結(jié)果，就無法保證結(jié)果的信度。這要求用戶在輸入數(shù)據(jù)時需要格外注意，確保輸出的結(jié)果具有泛用性和可靠性。由于醫(yī)學(xué)生不具備信息和數(shù)據(jù)的篩選能力，同時也沒有接受過系統(tǒng)的早期教育，這使得他們在使用技術(shù)時只能被動接受。同時，由于虛擬實驗室等平臺需要存儲用戶數(shù)據(jù)，學(xué)生不當使用可能會造成實驗數(shù)據(jù)泄露或被惡意篡改，嚴重影響保密性實驗的安全問題，侵犯教師和學(xué)生的權(quán)益。

第二，醫(yī)學(xué)生對技術(shù)產(chǎn)品過度依賴容易分散學(xué)習(xí)精力，影響教學(xué)效果。在日常教學(xué)生活中，人工智能模型會按照用戶提供的信息進行畫像和采樣，人工智能模型會根據(jù)疑問的內(nèi)容和提問方式，猜想出更希望得到的回答。一旦依賴行為產(chǎn)生，人工智能模型可以做到精確定位，這會導(dǎo)致興趣固化逐漸加重，使得學(xué)生接受信息范圍單一、視野局限，不僅不利于人文關(guān)懷意識的培養(yǎng)，也會對日后的臨床工作造成影響。如果虛假的數(shù)據(jù)被學(xué)生使用到實驗中，不僅會影響到醫(yī)學(xué)實驗的嚴謹性，還關(guān)乎學(xué)術(shù)誠信問題，對教學(xué)工作造成干擾和誤導(dǎo)。同時，因為錯誤數(shù)據(jù)造成實驗的節(jié)奏混亂，學(xué)生又會去求助于人工智能模型，繼而加重依賴現(xiàn)象。

第三，在線教育削弱了教師的知識權(quán)威地位，學(xué)生與教師缺乏溝通。由于知識的獲取變得更加方便易得，教師在師生關(guān)系中的權(quán)威地位被削弱，學(xué)生不再希望與老師溝通，轉(zhuǎn)而向醫(yī)療人工智能尋求幫助。學(xué)生可能會在平臺中直接學(xué)習(xí)到一些臨床案例結(jié)果，這些知識可能落后于最新的醫(yī)學(xué)成果，它們無一例外都省略了診斷思考的步驟，無法為學(xué)生提供實際操作和體格檢查的經(jīng)驗。由于過度依賴，學(xué)生也無法獲取教師的臨床實踐教學(xué)指導(dǎo)，而這些寶貴的經(jīng)驗恰恰是醫(yī)學(xué)教育的核心內(nèi)容。對線上獲取資源的依賴會導(dǎo)致醫(yī)學(xué)生無法培養(yǎng)成熟的批判性思維，也喪失了與教師溝通的機會，淡漠的人文意識觀念最終會影響臨床工作。

3. 1. 2 教師的應(yīng)對策略

學(xué)生對人工智能的依賴會使得他們逐漸放棄思考，因此教師要注重對學(xué)生個人倫理觀念的培養(yǎng)，并加強與學(xué)生的互動。教師應(yīng)當成為學(xué)生的榜樣，對學(xué)生起到正向引導(dǎo)與鼓舞作用。

第一，教師需要提升自身教學(xué)素養(yǎng)，引導(dǎo)學(xué)生培養(yǎng)智能化學(xué)習(xí)能力。由于人工智能技術(shù)是一個數(shù)據(jù)驅(qū)動的框架，因此要求教師必須將這些數(shù)據(jù)與各醫(yī)學(xué)學(xué)科實際需求結(jié)合，教育學(xué)生仔細甄別用于學(xué)習(xí)和驗證的數(shù)據(jù)，提高信息選擇的敏感性，保證這些數(shù)據(jù)可以融入臨床實踐。除了學(xué)習(xí)倫理知識與醫(yī)學(xué)人工智能的基本操作之外，教師還需要面對一個“無知”的語言模型。因此，在使用人工智能技術(shù)進行醫(yī)學(xué)診斷和預(yù)測時，掌握隨機性和概率知識變得非常重要[12]。必要時教師應(yīng)該和學(xué)生一起接受培訓(xùn)，掌握學(xué)生學(xué)習(xí)進度和情況，調(diào)整教學(xué)方案，幫助學(xué)生更快過渡到下一學(xué)習(xí)階段。

第二，教師教育學(xué)生增強自主學(xué)習(xí)意識，鼓勵學(xué)生合理適度使用技術(shù)產(chǎn)品。教師應(yīng)該教育學(xué)生廣泛地學(xué)習(xí)醫(yī)療人工智能技術(shù)的知識，同時加強自身專業(yè)訓(xùn)練，順應(yīng)趨勢，不能因噎廢食。只有這樣，醫(yī)學(xué)生才能在使用過程中明白醫(yī)療人工智能只是一套輔助教學(xué)工具，給出的結(jié)果和數(shù)據(jù)分析絕不能當作真理來信奉。同時，教師應(yīng)該鼓勵學(xué)生在使用模型練習(xí)診斷時保持獨立的臨床判斷思維能力，并及時與教師和開發(fā)者反饋軟件存在問題，及時互動。在模型適配過程中，廣泛的數(shù)據(jù)收集，例如患者查體情況、家庭社會背景和病情等實時數(shù)據(jù)可以擴大機器學(xué)習(xí)的范圍，對數(shù)據(jù)的調(diào)查鍛煉了學(xué)生的自主意識，有助于減少甚至消滅存在于數(shù)據(jù)處理軟件工具中的種族歧視和社會偏見[13]。

第三，教師主動適應(yīng)技術(shù)介入，加強師生互動。隨著人工智能技術(shù)在醫(yī)學(xué)教育領(lǐng)域應(yīng)用的深度與廣度不斷提升，醫(yī)學(xué)教師身份就會有所改變[14]，教師不再是學(xué)生獲取知識的唯一途徑，但當雜亂的、未經(jīng)整理的知識進入學(xué)生視野時，教師有義務(wù)幫助學(xué)生做好知識分類，為學(xué)生提供準確的知識，鼓勵學(xué)生自主學(xué)習(xí)，幫助學(xué)生成為觀點的分享者而不是單純的接受者。醫(yī)學(xué)中許多默會性的知識是學(xué)生難以從醫(yī)療人工智能中獲取的，教師需要與學(xué)生一起建立起新型師生關(guān)系，教育學(xué)生合理利用新技術(shù)的同時，與教師保持溝通互動。

教師應(yīng)該成為交流者和傾聽者，以此來培養(yǎng)學(xué)生的人文關(guān)懷能力與意識，學(xué)生與教師的溝通互動訓(xùn)練可以為日后的臨床執(zhí)業(yè)工作打好基礎(chǔ)[15]。教師需要就“師-生-人工智能”三者之間的新型溝通關(guān)系改變教育策略，教育學(xué)生去合理主動地接受人工智能技術(shù)對教學(xué)的影響，這將使教學(xué)過程更加簡潔高效，也會使醫(yī)學(xué)生在其中受益。

3. 2 醫(yī)學(xué)院校面臨的挑戰(zhàn)及應(yīng)對策略

醫(yī)學(xué)院校所面臨的挑戰(zhàn)來源于多個方面，這要求醫(yī)學(xué)院校解決發(fā)展問題和倫理問題時，需要社會環(huán)境的配合，多方共同來應(yīng)對挑戰(zhàn)。

3. 2. 1 醫(yī)學(xué)院校面臨的挑戰(zhàn)

群體認知、環(huán)境塑造等因素在無形中牽制與約束了現(xiàn)代醫(yī)學(xué)教育模式的推廣[4]，人工智能技術(shù)融入醫(yī)學(xué)教育的優(yōu)勢遠不止推動一次教育革命，所面臨的難題也不止步于此，技術(shù)應(yīng)用后期的持續(xù)更新、倫理學(xué)指導(dǎo)和法律法規(guī)的缺失都是我們不得不面對和解決的難題，同時醫(yī)學(xué)人才培養(yǎng)體系不成熟、職業(yè)培訓(xùn)體系不健全等問題仍然存在。

第一，教學(xué)平臺智能化程度尚淺，資金支持不足。現(xiàn)階段人工智能技術(shù)與醫(yī)學(xué)教育模式融合程度較淺，集中表現(xiàn)為線上云課堂和虛擬現(xiàn)實平臺的外科手術(shù)模擬軟件，難以有效降低教育成本[14]。同時，由于資金來源不穩(wěn)定，醫(yī)學(xué)院校的有限預(yù)算難以維持研發(fā)更新的費用，這些課程和學(xué)習(xí)軟件的質(zhì)量良莠不齊，許多虛擬現(xiàn)實體驗與臨床應(yīng)用完全脫節(jié)，而軟件開發(fā)大多基于開源安裝包獲取，這些開發(fā)商并不從事臨床工作，醫(yī)學(xué)教育的現(xiàn)實需求與人工智能技術(shù)開發(fā)的脫節(jié)影響了智慧醫(yī)療平臺的發(fā)展速度。

第二，教育體系缺失，缺乏學(xué)業(yè)后技能培訓(xùn)。針對人工智能技術(shù)存在偽造數(shù)據(jù)和實驗結(jié)果的情況，醫(yī)學(xué)院校需要開設(shè)課程對教師和學(xué)生進行培訓(xùn)，主要內(nèi)容是針對人工智能模型輸出結(jié)果進行分析。由于對時效性的要求較高，目前并沒有出現(xiàn)規(guī)范的課程設(shè)計，致使評判醫(yī)學(xué)人工智能技術(shù)是否適用于臨床實際的評價體系仍然具有很大的主觀性[15]。同時，由于醫(yī)療人工智能設(shè)備越來越多地出現(xiàn)在醫(yī)院中，許多從事臨床工作多年的醫(yī)療從業(yè)者也急需專業(yè)化培訓(xùn)，畢業(yè)后的醫(yī)學(xué)生也需要不斷學(xué)習(xí)，以此保證新技術(shù)在臨床中的順利使用。

第三，倫理風險意識不強，監(jiān)管手段滯后，法律法規(guī)監(jiān)管尚屬空白。當前中國的醫(yī)學(xué)人工智能尚沒有整體、完備的管理條例，尚不能很好地達到輔助醫(yī)學(xué)院校培養(yǎng)的作用。由于缺乏統(tǒng)一領(lǐng)導(dǎo)部署，涉及不同教學(xué)任務(wù)的軟件程序均需單獨開發(fā)，開發(fā)進程與成品效果卻遠遠落后于實際需要，或者相關(guān)產(chǎn)品只是實驗室預(yù)估成果優(yōu)秀但并未得到大面積驗證，落后的評估體系使人們對人工智能系統(tǒng)的濫用過度樂觀。同時沒有法律和倫理學(xué)對人工智能技術(shù)在醫(yī)學(xué)途徑的使用加以說明，使得醫(yī)療領(lǐng)域人工智能技術(shù)使用的監(jiān)管仍屬空白[16]，不僅僅體現(xiàn)在教學(xué)工作中，在臨床治療中，如果因為醫(yī)療人工智能的誤用出現(xiàn)醫(yī)療事故，責任的劃分極其困難，對倫理委員會來說，醫(yī)療人工智能的管理和研究仍有大量的缺失與不足。人工智能核心技術(shù)研發(fā)困難，同時缺少系統(tǒng)化的監(jiān)管，會使研發(fā)的技術(shù)模型難以勝任臨床的工作，甚至?xí)εR床工作造成誤導(dǎo)。

3. 2. 2 醫(yī)學(xué)院校的應(yīng)對策略

應(yīng)對人工智能技術(shù)的挑戰(zhàn)，醫(yī)學(xué)院校需要協(xié)調(diào)數(shù)字化思維訓(xùn)練和臨床技能學(xué)習(xí)培訓(xùn)之間的關(guān)系，同時要求醫(yī)學(xué)生理解人工智能技術(shù)和深度學(xué)習(xí)的基本原理，廣泛參與其使用，并意識到它的局限性。這就產(chǎn)生兩個問題：何時以及如何教授這些技能[17]？怎樣培養(yǎng)出復(fù)合型人才？

第一，提高科技創(chuàng)新能力，培養(yǎng)領(lǐng)先創(chuàng)新人才。醫(yī)學(xué)院校應(yīng)該保持危機意識，重視醫(yī)學(xué)生的早期教育和培養(yǎng)，重視基礎(chǔ)科學(xué)和臨床醫(yī)學(xué)的交叉研究，例如深度學(xué)習(xí)和其他新技術(shù)的實際應(yīng)用，夯實科技創(chuàng)新的硬實力與軟實力，助力醫(yī)學(xué)教育模式的革新。醫(yī)學(xué)院校也應(yīng)該倡導(dǎo)教師和學(xué)生在實驗研究和臨床實踐中使用這些技術(shù)，并保證這些用于教學(xué)活動的技術(shù)產(chǎn)品符合學(xué)科要求。同時，醫(yī)學(xué)院校需要統(tǒng)籌規(guī)劃資金的高效合理利用，例如橫向科研項目基金的合理規(guī)劃與現(xiàn)有項目經(jīng)費的劃歸調(diào)整，重點關(guān)注醫(yī)療人工智能核心技術(shù)的研發(fā)項目，培養(yǎng)順應(yīng)時代要求的新人才。同時醫(yī)學(xué)院校需要促進產(chǎn)-學(xué)-研-協(xié)調(diào)發(fā)展，保證研發(fā)投入與項目創(chuàng)收之間的健康循環(huán)，穩(wěn)步提升醫(yī)學(xué)院校科研創(chuàng)新能力，推動中國自主研發(fā)應(yīng)用落地。

第二，健全人才培養(yǎng)體系，保證醫(yī)療從業(yè)者獲得技術(shù)教育。除了常規(guī)的學(xué)業(yè)教育外，醫(yī)學(xué)院校應(yīng)當主動承擔醫(yī)務(wù)人員的醫(yī)療人工智能技術(shù)業(yè)務(wù)培訓(xùn)，課程內(nèi)容包括機器深度學(xué)習(xí)與倫理批判性思維的培養(yǎng)。為了促進學(xué)科發(fā)展和人才培養(yǎng)模式的多樣性，未來可以開展形式更加豐富的認證課程體系，主要針對從事交叉學(xué)科研究的醫(yī)務(wù)人員，他們在參與課程并考試合格后可以獲得認證。

這些知識不僅能使學(xué)業(yè)培訓(xùn)外的醫(yī)務(wù)工作者在使用人工智能技術(shù)輔助診斷時變得更加敏銳，并最大限度地避免使用人工智能技術(shù)時輸出錯誤結(jié)果的風險，同時避免從事臨床工作多年的醫(yī)務(wù)工作者被置于教育體系之外。隨著醫(yī)療人工智能技術(shù)的不斷更新，相應(yīng)的課程設(shè)計也需要同步調(diào)整，針對醫(yī)療人工智能技術(shù)的教育不應(yīng)該只看作計算機科學(xué)教育的附屬品，需要同時兼顧臨床應(yīng)用的需要和倫理以及人文意識的培養(yǎng)。醫(yī)學(xué)院校需要鼓勵學(xué)生對人工智能技術(shù)的應(yīng)用保持敏感，并及時認識到現(xiàn)有技術(shù)的局限性，積極反饋，促進教育體系的優(yōu)化。在這種情況下，每一位學(xué)生都可以在學(xué)習(xí)實踐技術(shù)的同時兼顧批判性思維的訓(xùn)練[18]，進而方便后續(xù)的臨床實踐問題處理。

第三，與倫理學(xué)與衛(wèi)生法學(xué)研究者保持密切合作，督促法律法規(guī)的建設(shè)和安全規(guī)范意識的加強。盡管目前醫(yī)療人工智能技術(shù)的管理體制有所缺失，但這并不意味著醫(yī)學(xué)院校和專業(yè)的醫(yī)務(wù)工作者可以漠視現(xiàn)有的治理法律與產(chǎn)生的倫理問題。醫(yī)學(xué)院校需要與教學(xué)醫(yī)院保持合作，建立針對醫(yī)療人工智能技術(shù)的倫理審查委員會，并在醫(yī)學(xué)院校內(nèi)為學(xué)生開展講座，形成“醫(yī)院—學(xué)校”兩方協(xié)同合作的局面，促進倫理研究的規(guī)范化。

同時，由于許多人工智能技術(shù)的算法和程序依賴于大量的數(shù)據(jù)來維持其深度學(xué)習(xí)，因此醫(yī)學(xué)院校必須開設(shè)強制化教學(xué)課程，要求師生了解人工智能相關(guān)專業(yè)數(shù)據(jù)的收集、存儲和分析過程，學(xué)習(xí)涉及的倫理問題和處理對策，以此維護患者和自身的基本權(quán)利，響應(yīng)國家數(shù)字技術(shù)創(chuàng)新體系建設(shè)要求。醫(yī)學(xué)院校可以向有關(guān)部門反饋，設(shè)立相應(yīng)的法律法規(guī)，加強立法約束和政策引導(dǎo)，保障醫(yī)療人工智能技術(shù)的健康發(fā)展。中國已經(jīng)頒布了《生成式人工智能服務(wù)管理暫行辦法》，旨在促進人工智能技術(shù)產(chǎn)品的健康發(fā)展和規(guī)范使用，助力人工智能技術(shù)在醫(yī)學(xué)教育模式中有法可依。

第四，無論社會環(huán)境對醫(yī)學(xué)教育模式造成怎樣的影響，最終都要落實到師生的互動中，醫(yī)學(xué)教育模式不該因為技術(shù)的介入而失去了“人情味”，因為無論學(xué)生接觸并享受到怎樣的技術(shù)產(chǎn)品，最終的落腳點都是與患者的交流，在醫(yī)患關(guān)系中他們需要成為和教師一樣的傾聽者和交流者。這些綜合的、相互聯(lián)系的知識體系，以及背后的人文情懷，是機器無法學(xué)習(xí)和取代的事情。

4 結(jié)語

醫(yī)療人工智能技術(shù)為醫(yī)學(xué)教育模式帶來新的希望，在改變醫(yī)學(xué)教育模式和創(chuàng)新臨床實踐方面具有巨大的潛力。但不可否認的是，醫(yī)療人工智能技術(shù)使醫(yī)學(xué)教育參與者面臨挑戰(zhàn)。對教師和醫(yī)學(xué)院校來說，當務(wù)之急是在醫(yī)學(xué)教育模式中為人工智能技術(shù)教育尋找合適的位置。人工智能技術(shù)與醫(yī)學(xué)的結(jié)合或許并非醫(yī)學(xué)教育模式改革的最優(yōu)解，醫(yī)學(xué)發(fā)展道路的選擇也沒有一個標準答案，但促進醫(yī)學(xué)教育模式的進步不僅需要教育者的思維革新，也需要跨學(xué)科的技術(shù)突破與學(xué)科融合，以及成熟的監(jiān)管機制。隨著醫(yī)療人工智能技術(shù)與醫(yī)學(xué)教育模式的合作不斷深入，后續(xù)將可能面臨更多的問題，期待未來可以出現(xiàn)更加豐富、健全的研究，助力數(shù)字中國建設(shè)。

〔參考文獻〕

[1]尼克.人工智能簡史[M].北京：人民郵電出版社，2021：1.

[2]樊瑜波.醫(yī)療機器人-產(chǎn)業(yè)未來新革命[M].北京：機械工業(yè)出版社，2020：1.

[3]ELENKO E， UNDERWOOD L， ZOHAR D. Defining digital medicine[J]. Nature Biotechnol‐ogy， 2015（33）：456-461.

[4]陳思鏵.現(xiàn)代醫(yī)學(xué)教育模式的三次轉(zhuǎn)變及影響因素研究[D].石家莊：河北醫(yī)科大學(xué)，2022. CHEN S H. Research on the three transforma‐tions of modern medical education model and its influencing factors[D].Shijiazhuang：Hebei Medi‐cal University，2022.

[5]賀國慶，于洪波，朱文富.外國教育史[M].北京：高等教育出版社，2009：227-228.

[6]BLACKETER C， PARNIS R， FRANKE KB，et al. Medical student knowledge and critical ap‐praisal of machine learning： a multicentre interna‐tional cross-sectional study[J]. Internet Medicine Journal， 2021，51（9）：1539-1542.

[7]ANTEL R， ABBASGHOLIZADEH-RAHIMI S，GUADAGNO E， et al. The use of artificial intel‐ligence and virtual reality in doctor-patient risk communication： a scoping review[J]. Patient Education Counseling， 2022，105（10）：3038-3050.

[8]COIERA E W， VERSPOOR K， HANSEN D P. We need to chat about artificial intelligence[J]. Medical Journal of Australia， 2023，219（3）：98-100.

[9]KOLACHALAMA V B， GARG P S. Machine learning and medical education[J]. NPJ Digital Medicine， 2018（1）：54.

[10]ZHONG J Y， GOH S K， WOO C J. Heading to‐ward trusted ATCO-AI systems： a literature re‐view [D]. Singapore： Nanyang Technological University，2021：1-31.

[11]FRANK J R， SNELL L S， SHERBINO J， et al. Draft CanMEDS 2015 milestones guide [EB/ OL]. （2014-03-01） [2024-03-13]. https：//can‐meds.royalcollege.ca/en/milestones.

[12]KOMPA B， SNOEK J， BEAM A L. Second opinion needed： communicating uncertainty in medical machine learning[J]. NPJ Digital Medi‐cine， 2021（4）：1-6.

[13]OBERMEYER Z， POWERS B， VOGELI C，et al. Dissecting racial bias in an algorithm used to manage the health of populations[J]. Science，2019，366：447–453.

[14]龔加林，田華，鄭杰，等.智慧醫(yī)療[M].北京：清華大學(xué)出版社，2015：37.

[15]ASSIS-HASSID S， REYCHAV I， HEART T， et al. Enhancing patient-doctor-computer communication in primary care： towards measure‐ment construction[J]. Israel Journey Health Policy Research， 2015（4）：4.

[16]WHO. Ethics and governance of artificial intelli‐gence for health： WHO guidance [EB/OL].（2021-06-28）[2024-03-13].https：//www.who. int/publications/i/item/9789240029200.

[17]CARIN L. On artificial intelligence and deep learning within medical education [C]//11S As‐sociation of American Medical Colleges Learn Serve Lead： Proceedings of the 59th Annual Re‐search in Medical Education Presentations， 2020：10-11.

[18]MASTERS K. Artificial intelligence in medical education[J]. Medical Teacher， 2019，41（9）：976-980.