多位医学专家在近期评论文章中警告，若未正确教导医学生使用人工智能技术，可能损害其"批判性思维能力"。
这些作者均为密苏里大学医学院教授，他们在12月1日发表于《BMJ循证医学》期刊的评论文章中表示："使用人工智能增强教育的目标值得追求，而非任其侵蚀独立推理能力。随着人工智能颠覆传统学习与评估方法，医学院校及培训课程亟需调整。"
该评论文章指出，医学院校在学生作业与培训中"普遍缺乏机构政策与指导"。文章补充称，不受约束的人工智能使用可能导致医疗专业人员过度依赖技术并丧失关键技能。
《BMJ循证医学》的评论文章质问道："如果服务器或人工智能服务中断怎么办？这种影响对正在培养技能的学习者尤为严峻，因为他们在此过程中被剥夺了实践机会。"
文章建议学生应学习有效使用人工智能工具并验证其输出结果。"医学培训应包含拒绝错误人工智能建议的实践，并解释为何遵循此类建议存在安全隐患。"
人工智能已迅速成为众多医疗机构的主流工具。据美国医学会统计，2024年有三分之二的医师在临床实践中使用人工智能，较前一年的38%显著上升。
然而世界经济论坛今年早些报告指出，医疗行业的人工智能应用普及率仍低于其他行业平均水平。报告认为采用速度缓慢的原因之一是"对人工智能能力与效果的信任度降低"。《BMJ》评论文章作者表示，这种不信任源于人工智能常产生虚假信息源。
"产生自信的虚假信息及信息源仍是人工智能模型的常见缺陷，"他们指出。今年早些时候发表于《通讯医学》的研究表明，大型语言模型在临床环境中"极易"生成虚假且潜在危险的信息。
此类事件在今年早些时候引发关注，当时美国卫生部长小罗伯特·F·肯尼迪发布的一份报告引用了不存在的研究。
评论文章作者建议，应评估医学生在临床环境中使用人工智能的过程而不仅是最终结果。"可通过要求学生'展示解题过程'、提供书面记录甚至提交所用大型语言模型提示词及接受或拒绝人工智能输出的理由来实现。"
《BMJ循证医学》的评论文章补充道，学生还应在无人工智能环境下接受评估以确保其掌握基础技能。"这对于床边沟通、体格检查、团队协作及专业判断尤为可行且重要。"
此外，文章强调人工智能素养应纳入课程体系。"医学培训生或许无需深入掌握人工智能模型的技术数据工程细节与训练流程，但应理解其基本原理，并把握支撑其优势与局限的核心概念。"
【全文结束】
