插图展示了Sora如何整合到医学教育和住院医师培训中。来源：《柳叶刀-数字健康》(2025)。DOI: 10.1016/j.landig.2025.100900
想象一名医学生在元宇宙教室中诊断虚拟患者，或一名初级医生练习抽血等操作技能。这些人智能（AI）驱动的工具并非科幻小说——它们是正在出现的现实，可能更快、更好地培训更多医生，以满足全球日益增长的医疗需求。发表在《柳叶刀-数字健康》上的一项新研究表明，人工智能如何能够变革医学教育，同时呼吁学校、医院和监管机构之间加强合作，以确保其安全、负责任且有效。
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进行，还确定了人工智能采用的关键障碍，如伦理考量和资源限制。为应对这些挑战，研究人员呼吁建立一个紧密协调的网络，涵盖医学院校、医疗机构、学术机构、产业伙伴和监管部门，以开发人工智能赋能的医学教育和医师培训方案。这项研究正值全球医疗系统面临人员短缺和提供高质量护理的期望不断上升之际。世界卫生组织预测，到2030年，医疗工作者将短缺约1000万人。
人工智能支持更多样化和引人入胜的学习
科学家们强调，人工智能如何帮助弥合这一差距，尤其是随着技术进步和大型语言模型（LLM）应用的增长——例如ChatGPT等系统，经过海量文本数据训练，可执行语言处理任务，包括生成类人文本。具体而言，人工智能工具可用于个性化医学教育学习体验。人工智能生成的虚拟患者可以更一致、更灵活地模拟更真实、更复杂的临床场景，不受后勤和财务限制。与增强现实或虚拟现实技术的结合也提供了更沉浸式的学习体验。
人工智能驱动的元宇宙环境进一步创新了医学教育，促进团队学习和案例讨论等活动随时随地进行。人工智能还通过简化文献综述等任务，日益支持医学研究。此类工具的整合可使医学生和住院医师有更多时间用于批判性思维。杜克-新加坡国立大学医学院人工智能与医学科学计划的翁嘉明博士（Dr. Jasmine Ong）和新加坡中央医院首席临床药师是该论文的共同第一作者。她表示："人工智能不是来取代临床教育者和导师的，而是要赋能他们。人工智能使教育者和导师能够专注于最重要的事情——与学习者建立有意义的联系。作为数字共同导师，人工智能通过个性化反馈和真实临床模拟增强学习体验，帮助塑造下一代医疗专业人员。"
实现人工智能潜力的挑战
尽管人工智能具有潜力，但其在医学教育中的使用目前面临合格培训师不足和缺乏经过测试的实施策略等挑战。关于大型语言模型的另一个主要担忧是其准确性和可信度，幻觉或编造信息仍然是一个持续问题。大型语言模型已表现出与性别和种族相关的偏见。此类偏见，特别是当嵌入医学文献中时，可能随着时间的推移延续系统性差异。此外，隐私问题也已出现，患者信息暴露的风险。
杜克-新加坡国立大学医学院定量医学中心高级研究员、该论文共同第一作者宁怡琳博士（Dr. Ning Yilin）表示："随着人工智能更深入地整合到医学教育和培训中，我们需要解决其引发的伦理问题，例如确保适当使用、维护学习诚信和防止意外伤害。这些挑战需要明确的指导和包容、负责任的设计。"
呼吁合作：促进人工智能的负责任采用
杜克-新加坡国立大学医学院定量医学中心副教授、杜克-新加坡国立大学医学院人工智能与医学科学计划主任、该论文资深作者刘南（Associate Professor Liu Nan）补充道："人工智能正在全球变革医学教育。通过致力于全面的全球战略并跨部门合作，我们可以负责任地部署生成式人工智能，创建更互动、更可访问的培训，并将收益转化为更好的患者护理。"研究人员还指出，医学教育和培训中可持续的人工智能采用需要跨部门密切合作。医疗机构、医学院校、产业伙伴和政府机构需要共同努力，开发负责任、可扩展和基于证据的解决方案。研究人员希望此类合作将带来实用框架的开发，以实施人工智能整合的医学教育和医师培训。这些伙伴关系对于建立资金模式和资源支持也至关重要。
【全文结束】
