从信息时代到人工智能时代：医生与医学生的新机遇和新挑战

陈超越 范让让

摘要：医生、教师、医学生是临床医学教育中难以割裂的整体，人工智能技术的应用加速了精准医疗前进的步伐，从多个维度渗透到医学各个领域，对临床教育教学产生了巨大冲击。一方面，计算机辅助诊疗成为医学未来的发展趋势；另一方面，课堂智能化也给医学教育带来了深远的影响。本文从医生、教师和医学生三者的角度出发，以案例的方式概述人工智能给临床领域和教育模式带来的变化，阐述各方的态度，并分析背后的原因，以期为智能时代的医科人才培养模式创新提供有益经验和思路。

关键词：人工智能；深度学习；临床诊疗；医学教育

引言

科技的迅速发展引领医疗行业进入信息时代，使得患者的临床资料与辅助检查结果以及时、准确、有组织性的数据形式呈现，医生可以更高效、准确地诊断病情，还可以更精准、个体化地制定治疗方案。人工智能技术（artificial intelligence，AI）的蓬勃发展正在将临床诊疗推进到智能时代。在AI算法的支持下，计算机开始模仿人类的思维过程，具备了推理、洞察、总结、学习等一系列能力。AI与医学领域的交叉研究已经成为一门前沿科学。一方面，随着以卷积神经网络为代表的先进深度学习网络的出现和发展，人工智能算法在医学研究领域的理论研究得以不断深入；另一方面，医学大数据集的完善推动了计算机辅助诊断（computer aided diagnosis，CAD）学科的进展，训练后的AI模型在部分任务上达到了专家级的诊断水准。

在这场浪潮中，医生和医学生作为医疗行业与医学教育的主体，将以主导者的身份引导人工智能在诊疗行业的发展。在我国的临床教育体系中，医生、教师和医学生是难以割裂的整体。医生的身份具备双重性：一方面，他们作为临床医生，负责临床诊疗活动的决策与执行；另一方面，他们作为教师，负责医学生的教育和培养。AI技术的蓬勃发展，将智能化这个术语同时渗透到临床与教学的活动中，对医学界产生了多元化的影響。医生在临床工作中的见闻将决定他们培养新一代医学生的方向，而在医学教育中的新技术运用也将改变他们对未来医疗的看法，最终，他们的行为和态度将在课程理论和临床实践中对学生产生潜移默化的影响，共同决定未来医疗的发展趋势。

1. 医生：诊断与治疗的新趋势

根据不同学科的临床需求，AI在医学领域最常见的三类任务是分类（如病变的鉴别诊断）、检测（如常规胸部CT中检测肺结节）和分割（如头部MR扫描中分割脑肿瘤图像）[1]。目前，医学图像的智能化诊断是医疗人工智能应用中最成功的领域。因此，以放射科、病理科、眼科、皮肤科等科室为代表，依赖图像进行诊断治疗的学科最先遇到了挑战。这些学科对其他检查信息（如血常规的指标）的需求很小，临床图像已经包含了绝大部分诊断所需的信息，因此非常适合使用深度学习技术。

在放射学领域，AI模型已经开始从放射学的图像处理扩展到辅助其他学科的专业诊疗中。其中最典型的是胸部疾病和乳腺疾病的诊断。由于这两类检查基数大，数据量充足，图像标注简单，因此在这些方向不但成为研究热点，也是最贴近实际应用转化的领域。在胸部疾病中，对算法针对性地改良，并在大数据集上训练后，目前模型对肺结节的检出率超过90%，对病变良恶性判断的准确率已经超过85%[2]。在乳腺疾病中，最新模型在钼靶图像上对乳腺肿块的检出率已经超过95%，并且对病变分级判断的准确率也已超过90%[3]。

在病理学领域，虽然病理图片包含信息复杂且图像尺寸偏大，但是病理切片上细胞的图像模式具备高度的重复性和规律性，因此非常适合AI算法。最常见的研究包括两类：第一类是训练AI模型在HE染色切片或者术中冰冻活检切片上进行常规的病理诊断，如判断结肠癌的病理亚型、判断乳腺癌患者雌激素受体的水平等。第二类是在整张图像的细胞群中检测病变细胞，如在肿瘤切片中寻找免疫细胞、在血涂片中检测被感染的细胞等[4]。

在皮肤学领域，研究者则使用日常拍照的图像作为原始数据，训练AI模型鉴别皮肤损伤、皮肤癌和黑色素瘤等病变[5]。由于这些图像非常容易获取，图像数据的数量和多样性都有很好的保证，因此训练的模型对图像多样性（不同角度、不均匀曝光等）具有较好的鲁棒性，研究成果也具有很高的通用性。

值得注意的是，这些研究都在反复强调一个观点：即经过训练的AI已经达到甚至超越了人类专家的水平，使用AI辅助临床诊疗不但可以有效降低医师的工作量，提升疾病的检出率，还可以降低患者的治疗费用，增强医患交流。因此，未来医疗的发展必然会迈入智能化时代。

虽然AI在科学界已被证明其应用潜力，但是目前的科学研究和临床应用依然处在分离状态。一方面，研究者不断证明AI的预测准确性已经达到临床诊疗的需求，训练的模型也可以马上部署测试；另一方面，传统的临床运行模式并未受惠于AI类研究的发展，真正可操作的智能化诊疗平台迟迟未见踪影，人工智能似乎还和临床应用有很遥远的路程[6]。而同时拥有临床诊疗者和医学教育者的双重身份的医生正处在这种悖论中。

作为临床医生，虽然他们已经逐渐意识到人工智能时代的到来，但是目前绝大部分的工作并未受到真正的冲击。首先，临床诊疗是非常复杂、严谨 的过程，医生作为决策者和执行者需要仔细考虑和综合分析。目前仅仅在单一任务上高性能表现的AI模型尚不能处理复杂的临床任务，并且仅凭图像信息上得出的诊断结论并不能让医生完全信服。其次，AI网络目前有其自身的技术瓶颈。目前，几乎所有的AI模型都是基于CNN训练，但是鲁棒性不佳是该技术的固有缺陷。虽然目前已有部分研究公开了他们的代码，但是在测试后通常不能达到预期效果，即当前研究报道的成果在其他机构数据集上并不一定具备可重复性。因此，虽然医生已经感受到智能化诊疗的时代趋势，但是将科学研究转化成实际可操作的产品，并将其推广到临床应用，仍然还有很长的路要走。

2. 教师：教学与实践的新方法

医学教育的核心是理论积累与实践操作，AI也正在从这两个方面改变着医学教育。20世纪90年代，就有人提出并探索AI辅助医学教育的可行性。当时的医学教育学家们探讨如何将专业知识整合到计算机辅助教学中，并开发智能化的决策支持系统和基于人工智能的教学应用软件。经过30余年的发展，AI目前已经从各个角度对医学教育产生了全面的影响。在我国政策的支持下，医学院校大力推行在线的技能虚拟仿真教学平台，其成果转化迅速，市场投放率高，获得认可度更高，有效解决了疫情期间技能、实训、教学所面临的困难，证明了其在教育领域的价值。那么，AI是如何改变传统教学模式的？

AI与传统教学之间的较量是当今教育教学领域的焦点之一。临床教学是非常复杂的过程，每个学生的基础知识和学习能力各不相同。传统模式下，教师虽然可以统筹课程整体进展，但是无法准确分析每个学生的学习情况和学习进度，更无法针对学生个人制定个体化的学习计划。这一直是传统临床教学中亟待解决的问题。AI辅助的理论教学则是智能化的讲授和测评系统，通过基于AI算法开发的学习平台，可以在讲授过程中协助教师判断学生对知识的掌握程度，寻找并解决知识盲点，进而帮助学生们更好地掌握理论知识[7]。AI教育强调高效、自适应的学习，可以根据学生的特点和进度智能地调整教学内容。

AI辅助的实践操作，即虚拟现实技术辅助的情境教学则是另一个焦点。医学本身不仅是理论知识的积累，更是实际操作的应用。传统模式中，教学与实践融合非常困难，因为患者的临床情况复杂多变且难以预测，经典的模拟病人有时无法模拟真实场景[8]，而且对于部分侵入式的检查操作，医学生获得实际锻炼的机会可谓是可遇而不可求。为此，使用AI算法开发的VR技术提供了新的解决思路。例如，在外科手术培训中，基于AI算法开发的应用程序为学生提供了沉浸式的教学体验，可以作为非常好的课程辅助工具。

虽然AI技术在教学中展现出强大的辅助功能，但传统教学的人情味和人际互动仍然是其无法替代的优势。在实际应用中，找到二者的平衡点，充分发挥各自优势，可能是未来教育领域的发展方向。这场较量不仅是技术与传统的较量，更是对教育本质和目标的思考，如何在科技发展的潮流中实现更全面、个性化的教育，将成为未来的关键课题。

众多研究和报道为我们展示了目前智能化的医学教育的现况：打破了时空限制，降低了教学门槛，同时还缓解了临床实践教学资源的供求矛盾，保障了医学教育的质量。整体而言，这种方案遵循医学教育和人才成长的规律，发挥了技术平台和智能应用的优势，丰富了教育内容，扩宽了医生的成才之路。这种成功也对医师产生了正反饋，使他们在教学中感受到AI带来的便利，了解到AI在临床中可能的应用，增强了他们对CAD研究临床转化的信心。这些都进一步促使他们认识并相信智能化时代的到来，即便AI研究尚未真正冲击目前的诊疗方式，但是他们也对AI的未来充满信心，并相信AI将变成未来医疗界的主流趋势。

3. 医学生：学习和改革的新方向

在网络媒体高度发达的今天，学生获取信息的渠道变得十分广泛且迅速。一方面，在教学活动中，智能化的教学系统和沉浸式的实践方式正在切切实实地改善他们的学习方式；另一方面，对CAD研究的文献报道层出不穷，各种舆论媒体也在不停地宣扬AI已经超过人类专家的说法，甚至大有代替医生之势。那么，医学生对待AI应该持有怎样的态度呢？

实际上，我们可以从医生的责任和角色出发，定义医疗界该如何看待这种趋势。对于医疗行业来说，即便AI技术真正渗入临床诊疗的各个流程，医生依然是该过程的决策者、执行者与责任者，AI只能被看作是诊疗中的辅助工具。未来的医生依然需要掌握扎实的专业知识和熟练的操作技能。这既是对患者的负责，也是对职业的尊重。因此，医学生们首先应该掌握扎实的基础知识和熟练的临床技能，同时了解数据科学、生物统计学和循证医学知识。这些是构成医疗实践的基础，也是理解如何将人工智能用于医学的关键。其次，医学生应该关注专业内最新的科研技术的进展状况，主动学习相关知识，顺应时代发展潮流。最后，在舆论高度发达的今天，他们应该具备从舆论新闻中区分正确信息的能力，承担为患者和公众创造可靠、有效信息的责任。

结语

人工智能与医学领域的关系密不可分，其发展从简单的计算机程序到多样智能算法的演变，彻底改变了医学诊疗和科学研究的格局。人工智能为医生提供了强大的辅助工具，其应用包括智能诊断、医疗影像分析、药物研发等多方面，改变了传统医学模式，提升了临床决策的准确性和效率。尽管人工智能技术不断进步，医生的专业判断与人文关怀仍然是不可替代的核心，强调了在医学领域中技术与人类智慧相辅相成的重要性。未来，医学人工智能技术将主导医疗的主要发展方向，由于人为控制与设置的不确定性，算法改进与精准技能发展显得尤为重要。在这场浪潮中，医生、教师、医学生如何在临床实践和医学教育寻找各自的点，对医学与人工智能的结合及可持续发展具有非常重要的意义。

参考文献：

[1]徐喆，朱萍，龙海明.新医科背景下人工智能在医学信息技术中的应用探讨[J].工业控制计算机，2024，37（1）：145-146，149.

[2]贺文俊，张周兵，胡永松，等.基于人工智能的CT定量分析在肺结节患者中的诊断价值及效能ROC曲线研究[J].现代仪器与医疗，2023，29（3）：89-92.

[3]Elhakim M T，Stougaard S W，Graumann O，et al.Breast cancer detection accuracy of AI in an entire screening population：a retrospective，multicentre study[J/OL].Cancer Imaging，2023，23（1）：127.https：//doi.org/10.1186/s40644-023-00643-x.

[4]Yu H，Mohammed F O，Abedl Hamid M，et al.Patient-level performance evaluation of a smartphone-based malaria diagnostic application[J/OL].Malaria Journal，2023，22（1）：33.https：//doi.org/10.1186/s12936-023-04446-0.

[5]Foahom Gouabou AC，Collenne J，Monnier J，et al.Computer Aided Diagnosis of Melanoma Using Deep Neural Networks and Game Theory：Application on Dermoscopic Images of Skin Lesions[J/OL].International Journal of Molecular Sciences，2022，23（22）：13838.https：//www.mdpi.com/1422-0067/23/22/13838.

[6]刘泓泽，刘迷迷，唐圣晟，等.医学人工智能新基建的应用发展研究[J].中国数字医学，2023，18（8）：1-7.

[7]申书洋，郑昱寒.人工智能赋能高等职业教育发展：价值意蕴与推进策略[J].继续教育研究，2024（3）：84-87.

[8]李云亮，白华威，赵三化.基于“互联网＋”的高等职业教育信息化建设研究[J].河南教育（高等教育），2023（7）：25-27.

作者简介：陈超越，博士研究生，助理研究员，研究方向：计算机辅助医学诊疗研究；通讯作者：范让让，博士研究生，助理研究员，研究方向：神经系统肿瘤精准靶向治疗研究。