人工智能正重塑医疗与患者护理，斯坦福医学院宣布其将全面进入所有教学课堂。神经肿瘤学临床教授、医学教育高级副院长托马斯博士（Reena Thomas, MD, PhD）表示，人工智能技术有望通过加速医学科学突破和分担医疗行政事务，改善患者与医生的生活体验，从而让医生拥有更多时间专注诊疗。
为此，斯坦福医学院正在革新课程体系，将人工智能作为教学辅助工具和临床实践利器全面整合。托马斯博士指出："设想学生能随时使用教学工具练习诊断提问——就像与真实患者对话般自然，借此获取精准诊断所需信息。"
2025年秋季学期起，所有医学及医师助理专业学生将系统学习人工智能技术。课程将解析各类AI运行机制，培养学生评估AI提供信息的能力（因其可能不准确或存在偏见），并指导学生在患者诊疗中合理应用这些技术。
教学未来进行时
作为斯坦福医学院AI教师领军人物，生物信息学研究员陈建民博士（Jonathan Chen, MD, PhD）负责主导AI课程与现有教学体系的融合，确保内容符合新技术临床应用的最佳实践标准。这位拥有20余年医学智能系统研究经验的医学与生物医学数据科学副教授坦言，2022年ChatGPT作为史上增长最快的互联网应用问世时，他意识到"这如同互联网诞生时刻——临床实践本质即将剧变，我们无法忽视"。
"所有基于阅读书写的教育培训评价体系已被颠覆，我们必须重新思考如何培养新生代，以及如何重塑整个医疗 workforce 的技能体系。"陈建民强调，"与肾脏功能教学不同，医疗AI无法固定课程框架——技术本身是动态目标，我们需要构建适应性框架。"
课程由AI研究者、临床教师及学生组成的委员会设计，确立四大核心教学目标：AI技术原理、临床实践应用、医疗AI伦理法律影响、AI信息批判性评估。例如，学生将运用诊断测试教学中的统计方法评估AI结果。陈建民解释："如同诊断测试可能存在假阳性，AI也可能生成看似正确实则错误的信息。敏感度（正确识别患者能力）和特异度（正确排除健康者能力）等概念将帮助学生科学评估AI输出。"
早期学习新机遇
斯坦福大学MD/MBA项目学生、美国医学院协会董事会成员阿迪亚·纳拉扬（Aditya Narayan）指出，传统临床前培训难以直接转化为病房实践。"借助AI，我们能即时生成将课堂理论置于真实场景的病例，实时检验学生理解程度。"他举例说明：学生无需死记硬背高血钾病因，可通过AI聊天机器人模拟透析患者漏治疗、创伤患者肌肉分解或肾上腺功能不足儿童等真实场景。
这类工具将彻底改变医学生早期训练——标准化患者（演员扮演）虽有用，但"缺乏真实患者的复杂性与情感维度"。纳拉扬认为："模拟临床对话的工具能让学生在低风险环境中获取即时反馈，阐释诊疗逻辑，甚至为高风险医院环境前的学生表现积累纵向数据。"
斯坦福开发的"临床思维AI"平台正实践此理念。在麻醉学临床教授托马斯·卡鲁索（Thomas Caruso, MD, PhD）与教育学院助理教授希玛·萨莱希（Shima Salehi, PhD）指导下，该项目由教育学博士生马科斯·罗哈斯·皮诺（Marcos Rojas Pino, MD）主导。该平台采用语音交互模式（类似ChatGPT），学生通过模拟问诊获取实时反馈，训练临床推理能力。"提出精准诊断所需问题的能力，需在临床实践初期持续磨练，"托马斯博士强调。
卡鲁索教授将平台比作"乐高积木"："当AI技术更新时，我们能灵活替换模块而不改变用户界面。"该平台已在病理生理学结业课程试用，并收到来自全球医学院的授权申请。
更新后的课程还包括"AI临床教练"应用：当学生向导师汇报病例时，该工具自动汇总患者病史、症状、检查及治疗方案，生成评估报告。由儿科临床教授陈莎伦（Sharon Chen, MD）主导开发的该工具，深度整合至斯坦福电子健康记录系统，助力学生分析真实病例。"它提供实时反馈，检验学生诊断策略是否合理，确保其运用全部关键信息达成正确诊断，"托马斯博士评价道。
拥抱变革
斯坦福儿童健康中心首席医疗信息官娜塔莉·帕格勒（Natalie Pageler, MD）指出，AI如同电子病历系统重塑"入院医嘱"教学般——现在医学生无需从头书写完整医嘱，而是掌握模块化组件以评估修订预设方案。她强调："如同学生需先掌握乘法表再用计算器，理解AI底层逻辑至关重要。"通过"临床思维AI"训练的问诊诊断能力，将为学生有效运用微软DAX Copilot等AI工具奠定基础。
纳拉扬将AI比作听诊器、抗生素等医疗里程碑："两百年前听诊器问世时，临床医生角色从解剖学家转变为身体隐秘语言的解读者。如今我们站在新拐点——AI将重塑以人为本的医学实践方式，我们必须主动塑造未来而非被其塑造。"
与聊天机器人对话指南
针对医疗从业者如何与ChatGPT等生成式AI互动，斯坦福临床信息学研究员姚东（Dong Yao, MD）和希瓦姆·维达克（Shivam Vedak, MD）开发了专项工作坊，详解提示工程原理并解析技术机制（采用非计算机专业人员可理解的语言）。
【全文结束】