生成式人工智能在医学教育中的前景与风险
亲爱的编辑：
我们饶有兴趣地阅读了关于医学学生使用生成式人工智能（AI）学习的正反方辩论（1）。随着人工智能在医疗保健领域的深入应用，将其纳入医学教育体系已成为培养适应科技驱动临床环境的未来医疗工作者的必要举措（2）。鉴于绝大多数医学生已将AI用于教育目的（1），我们认同需要建立规范指导而非禁止使用。
人工智能已展现出显著提升医学教育的潜力，特别是通过个性化与自适应学习模式。基于AI的辅导系统能分析个体学习模式和表现，识别知识缺口并提供定制化教学，通过间隔重复、序列学习和针对性补救措施，调整内容和学习节奏。这种"精准教育"模式突破了传统"一刀切"的教育框架，显著提升了学习效能（3）。但需要配套严格的批判性思维训练，确保学生能有效评估AI生成内容并保持独立判断能力。
AI驱动的虚拟临床环境为学生提供了零风险决策实践平台。增强现实程序能构建沉浸式3D场景，特别在手术教育领域支持复杂病例的探索和实践操作训练（4,5）。生成式AI还能帮助学生超越传统图书馆资源获取与管理信息，ResearchRabbit等平台可协助收集研究文献、识别知识空白和撰写论文。
现实临床应用印证了AI价值。例如英国Penda Health诊所应用AI辅助系统，使诊断误差降低16%，治疗误差减少13%，证明在人类监督下AI能有效增强临床决策（6）。然而技术风险不容忽视：AI可能生成错误内容或虚构结果/参考文献，输出结果必须经过临床准确性审核。训练数据偏差可能导致诊断工具在不同人群中的歧视性结果（1）。
基础设施和成本仍是显著障碍，尤其在资源匮乏地区。机器人手术等先进应用主要集中在发达国家（8）。许多教育者缺乏系统的AI培训，制约了课程整合效果。学生对AI取代放射学等岗位的担忧也需重视（2）。环境方面，数据中心冷却系统消耗大量电力和水资源（1,7），在线考试滥用风险亟待建立监考机制（9）。
综上，AI通过个性化学习、临床模拟和信息获取革新教育的前景广阔，但需建立平衡框架。医学课程应包含批判性思维、伦理推理和AI局限性培训，考试体系需适应AI普及现状。人类监督仍是确保安全准确的核心，维系医疗人文本质不可或缺。
作者信息：
Sangeeth P.V. Rathakrishnan（曼彻斯特，英国）
Sunain Syed（伦敦大学学院计算机科学硕士生）
Akheel A. Syed（英国北部护理联盟NHS基金会信托荣誉教授、曼彻斯特大学生物医学与健康学院教授）
参考文献：
（1）Sibal R等，BMJ 2025
（2）Jackson P等，BMC医学教育 2024
（3）Tan LY等，《计算机与教育：人工智能》2025
（4）Dave M等，《英国牙科杂志》2023
（5）Rincón EHH等，BMC医学教育 2025
（6）Korom R等，arXiv预印本 2025
（7）联合国西欧信息中心
（8）Mir MM等，《先进医学教育与专业发展杂志》2023
（9）Jin HK等，BMC医学教育 2024
【全文结束】
