想象一名医学生为虚拟患者诊断，或初级医生在元宇宙课堂中练习抽血等操作技能。这些由人工智能（AI）驱动的工具并非科幻情节——它们正成为新兴现实，有望更快更好地培养更多医生，以满足全球日益增长的医疗需求。
发表于《柳叶刀·数字健康》的新研究表明，人工智能如何变革医学教育，同时呼吁医学院、医院和监管机构加强协作，确保其应用安全、负责且有效。
该研究由杜克-新加坡国立大学医学院、新加坡中央医院和清华大学的研究人员共同完成，指出了AI应用面临的关键障碍，如伦理考量和资源限制。为应对这些挑战，研究团队呼吁建立紧密协调的网络，覆盖医学院、医疗及学术机构、产业合作伙伴和监管方，共同开发AI赋能的医学教育与医师培训方案。此项研究正值全球医疗系统面临人员短缺、高质量服务需求攀升之际。世界卫生组织预测，到2030年全球医疗工作者缺口将高达1000万人。
科学家强调，AI技术进步与大型语言模型（LLM）应用的兴起——如基于海量文本数据训练、可执行语言处理任务（包括生成类人文本）的ChatGPT等系统——将有效弥合这一缺口。
具体而言，AI工具可用于个性化医学教育学习体验。AI生成的虚拟患者能以更高一致性与灵活性模拟更真实复杂的临床场景，且不受后勤与财务限制。结合增强现实或虚拟现实技术，还可提供更沉浸式的学习体验。AI驱动的元宇宙环境进一步创新医学教育，支持团队协作学习与病例讨论等活动随时随地开展。AI也日益通过简化文献综述等任务助力医学研究。此类工具的应用可使医学生和住院医师投入更多时间进行批判性思考。
作为数字协同导师，AI通过个性化反馈和真实临床模拟提升学习体验，助力塑造下一代医疗专业人才
王智敏博士
杜克-新加坡国立大学医学院AI+医学科学计划研究员、新加坡中央医院首席临床药师王智敏博士（Dr Jasmine Ong）是该论文的共同第一作者。她表示：“AI并非要取代临床教育者和导师，而是赋能他们。AI使教育者能聚焦于最关键的任务——与学习者建立有意义的联系。作为数字协同导师，AI通过个性化反馈和真实临床模拟提升学习体验，助力塑造下一代医疗专业人才。”
尽管AI潜力巨大，但其在医学教育中的应用仍面临合格培训师不足、实施策略未经验证等挑战。大型语言模型的准确性与可信度是另一主要担忧，模型“幻觉”或编造信息问题持续存在。LLM还暴露出性别、种族等偏见问题，尤其当此类偏见嵌入医学文献时，可能长期加剧系统性不平等。此外，患者信息泄露引发的隐私问题也日益凸显。杜克-新加坡国立大学定量医学中心高级研究员、论文共同第一作者宁一林博士（Dr Ning Yilin）指出：“随着AI深度融入医学教育与培训，我们必须解决其引发的伦理问题，如确保适当使用、维护学习诚信并预防意外伤害。这些挑战亟需明确指导与包容性、负责任的设计方案。”
杜克-新加坡国立大学定量医学中心副教授、AI+医学科学计划主任、论文高级作者刘楠（Associate Professor Liu Nan）补充道：“AI正全球性变革医学教育。通过制定全面的全球战略并推动跨领域合作，我们能负责任地部署生成式AI，创造更具互动性、可及性的培训体系，并将成果转化为更优质的患者护理。”
研究团队还指出，医学教育与培训中可持续的AI应用需跨领域紧密协作。医疗机构、医学院、产业伙伴及政府部门需共同开发负责任、可扩展且循证的解决方案。研究者期望此类合作能推动AI整合医学教育的实践框架发展，这些伙伴关系对建立资金模式与资源支持也至关重要。
来源： 杜克-新加坡国立大学医学院
【全文结束】
