人工智能在医学教育和医疗实践中应有不同的应用方式。唐纳德·特朗普提名的教育部长琳达·麦克马洪（Linda McMahon）如果获得参议院确认，将在未来几年面临人工智能时代教育的不确定性挑战。特别是在医学教育方面，人工智能带来了新的挑战，即如何明智地培养未来的医生。
目前辅助经验丰富的医生的人工智能工具，如果不加以妥善管理和指导，可能会对培训中的医生造成不利影响。医学教育的领导者必须迅速有效地区分医学中的人工智能使用与医学教育中的人工智能使用。
学习和实践医学是不同的
住院医师培训要求初级医生逐步承担更多责任，直到他们能够独立提供护理。培训中的医生需要多年的时间才能发展出经验丰富的医生所具备的直觉和综合知识。人工智能工具对所有人来说都是新的——专业人士、学生和教育者都面临着学习曲线。虽然有经验的医生需要学习如何将新工具应用于现有的工作流程和实践中，但他们是在长期经验和深刻理解患者护理的基础上进行的。相反，住院医师正在学习如何提供护理。虽然人工智能辅助工具对于忙碌的培训生来说可能是一个受欢迎的礼物，节省了宝贵的时间，但它们可能会无意中成为捷径，潜在地损害基本技能。如果没有通过住院医师培训培养出的判断力、直觉和经验，早期职业医生可能无法发现人工智能犯下的错误。
学习专家已经清楚地表明，人们在不同的生命阶段学习方式不同。例如，教育家马尔科姆·诺尔斯（Malcolm Knowles）的研究表明，成人和儿童吸收信息的方式不同。同样，住院医师需要与更有经验的同行不同的教学方法。科尔布（Kolb）的经验学习模型提供了一个有用的框架：培训生会经历具体体验、反思观察、抽象概念化和主动实验等阶段。每个步骤都会强化他们的专业知识——而学习过程中的捷径可能是有害的。
例如，环境人工智能工具越来越多地用于监听医患对话；它们自动为医生转录病历供其审查。这些工具大大加快了记录速度，被广泛宣传为医生的巨大时间节省工具。但对于培训生来说，记录是一项重要技能，他们在此过程中练习从患者、病历及相关医学文章中整合信息，从而表达和记录计划。尽管这是一个缓慢的迭代过程，但它磨练了住院医师的分析和诊断能力。通过外包医学记录技能并在培训期间缺乏教师的反馈，人工智能将剥夺住院医师的关键形成性经验。
并非所有人工智能工具都适合培训
许多人工智能工具专注于提高临床效率和患者结果，但它们在教育中也有作用。生成式人工智能工具可以通过大型语言模型、自适应学习系统、虚拟现实和增强现实等技术彻底改变医学教育。这些工具可以在一个无风险的环境中创建沉浸式模拟、个性化学习计划和互动患者情景。
要实现这些好处，个性化是关键。为了确保未来有足够训练的医生能够明智地结合人工智能与自己的判断，医学院和医院应要求所有这些工具的开发者在其产品中包括“培训模式”。设计用于优化忙碌医生时间的系统不应盲目应用于仍在学习医学艺术的培训生。这些定制模式将功能调整为早期职业医生的需求。根据特定产品及其用途，教师或主管应能够调整辅助功能的强度。
成功实施这些模式还需要监督者和教育者的培训。他们必须承担额外的责任，确保培训生适当学习，指出人工智能的陷阱，并采取措施确保医生发展出明智的人类判断力，负责任和合乎伦理地执业。如果最坏的情况发生，工具消失，他们应该已经准备好让住院医师表现得一样好。
人工智能是未来——如果我们尊重其限制和我们自己的限制
毫无疑问，辅助人工智能工具是未来，就像电子病历在其时代一样。当电子病历取代手写或打字笔记时，许多医生抱怨不已，但现在它们已成为常态。人工智能已经在拯救生命——例如预测患者的败血症。如果希望提供最佳的医疗服务，向培训生传授和展示最有效的技术是很重要的，但不能以建立坚实的医学基础为代价。
我们生活在一个令人兴奋的时代，技术以前所未有的速度扩展。强大的力量伴随着巨大的责任。开发者和教育者必须将人工智能工具定制化，以适应我们的培训生。
(全文结束)
