人工智能（AI）已经在改变医疗保健，但临床医生和医学生的数据科学培训仍主要是选修课程。绝大多数医生认为这种情况需要改变。根据即将发布的《Medscape报告》——《医疗保健中的AI应用》，85%的执业医师同意：在医学中使用AI将要求对医学教育和培训进行重大改革。
接受采访的专家也表示赞同。要熟练使用AI辅助工具，需要在医学院及其后的教育中进行大规模的教育推动。为了管理这项新技术，保持临床判断力并保护患者，医生需要接受更多关于AI构建方式及其数据来源的培训。能够操作机器的医生符合每个人的最佳利益。
保持医生的控制权
更多的AI教育对于医生在使用AI时保持自主感至关重要。明尼苏达州罗切斯特梅奥诊所数字健康中心的高级主任Shauna Overgaard博士告诉《Medscape Medical News》：“这从来不只是信任AI的问题。我们希望医生能保持他们的判断力、同理心和控制感——这些都会影响到他们的怀疑态度。”
因为AI并不是万能药，它有潜力在医疗保健方面取得显著改进，但也会犯错误。患者和医疗系统需要那些知道如何利用AI为自己谋利，同时也知道何时对其解决方案持批判态度的医生。就像医生被教导审查研究方法和统计或评估新药一样，他们也需要具备质疑算法的技能。Overgaard说：“AI的输出是否有道理？用于形成预测的数据是什么？该算法在哪类患者中表现良好，哪些地方缺乏数据？”
“临床医生不需要比系统更聪明，”Overgaard补充道，“但他们需要知道何时质疑。”最终，护理决定仍然由医生做出。“我们不能在病历上写‘AI告诉我们做这个决定’，”迈阿密私人执业医生兼健康技术顾问Oren Mechanic博士说。为了实现这种AI合作与批评之间的微妙平衡，每个人都需要更多的培训。
数据科学基础
理想情况下，AI教育的基础应在本科医学培训早期奠定。“我认为数据科学将成为医学课程的核心部分，”纽约市威尔康奈尔医学院的急诊医学医生和AI研究员Peter Steel博士说。未来的医生将获得AI的基本理解。他们将学习数据分析、机器学习、局限性和偏见等基础知识，Steel说。
一旦学生对驱动AI的架构有了坚实的理解，他们就能“批判性地解释其输出并与自己的临床判断进行交叉验证，”Steel说。通过这样的培训，他们更有可能发现偏见、识别幻觉，并知道当AI与自己的临床决策不一致时该怎么办。Mechanic补充说，只需一门课程即可奠定基础。然后，随着学生在不同的培训和临床环境中接触AI，他们的数据科学技能将不断得到完善。
医生还需要接受如何向患者传达基于AI的见解的培训，Steel说。他们需要能够解释AI输出的来源及其可靠性。有时，这些解决方案可能非常复杂且难以解释，因此医生需要具备建立信任的技能。到目前为止，数据科学培训主要由感兴趣的学生主导。美国医学协会医学教育创新副总裁Kim Lomis博士在接受美国医学协会采访时说，现在“已经变得紧急”，医学领导层需要将AI培训内容纳入必修课程。
然而，增加新兴AI内容可能会给教育工作者带来挑战：这些内容对所有人来说都是新的，包括领导层。“许多机构感到自己没有这方面的专业知识，”Lomis在采访中说。而医学院已经在四年内教授学生大量课程。答案可能来自医学院之外。Steel说，为了满足学生的教育需求，医学院可能需要承担或与高级数据科学教师合作。
贯穿整个医疗领域的培训
不仅受训者需要了解如何使用AI，整个临床工作队伍也需要更好地理解如何提供AI增强的、由临床医生主导的护理，专家们说。与本科医学教育类似，研究生和毕业后AI培训也主要是选修课程。梅奥诊所和肯塔基州路易斯维尔大学等一些机构为医疗专业人员提供了专门的AI硕士项目。
但Overgaard说：“这可能并不适合所有人。”这些学位更多地集中在计划在其专业领域指导AI项目的医生身上。斯坦福、达特茅斯、哈佛和麻省理工学院等多所机构提供了短期的医疗AI课程或证书。这些课程可能是希望深入了解AI工具的医生的好选择，尤其是在早期阶段。
但所有专家都认为，外部教育不会成为强制要求。医疗系统最终将负责在其测试和推出AI工具时教育其员工。如果员工感到不安或觉得自己准备不足，无论AI多么优秀，他们都不会采用。Steel说，医疗系统必须投资于装备前线员工，才能看到这些大型AI采购的价值。Overgaard补充说：“我交谈过的许多临床医生已经在接受教育。”梅奥诊所已经在AI教育方面进行了大量投资，将其纳入某些培训项目，并与谷歌等开发者建立了合作关系。
中型和较小的系统可能会受益于这一趋势。大型机构将测试和实施AI，用于多种医疗用途，并传递有效的方法。“作为拥有巨额资金和智力资源的组织，我们不仅有责任服务自己，”Overgaard说，“还要建立系统、提出建议并创建其他医疗系统可以采纳和改进的框架。”
(全文结束)
