從信息時(shí)代到人工智能時(shí)代：醫(yī)生與醫(yī)學(xué)生的新機(jī)遇和新挑戰(zhàn)

陳超越 范讓讓

摘要：醫(yī)生、教師、醫(yī)學(xué)生是臨床醫(yī)學(xué)教育中難以割裂的整體，人工智能技術(shù)的應(yīng)用加速了精準(zhǔn)醫(yī)療前進(jìn)的步伐，從多個(gè)維度滲透到醫(yī)學(xué)各個(gè)領(lǐng)域，對(duì)臨床教育教學(xué)產(chǎn)生了巨大沖擊。一方面，計(jì)算機(jī)輔助診療成為醫(yī)學(xué)未來的發(fā)展趨勢；另一方面，課堂智能化也給醫(yī)學(xué)教育帶來了深遠(yuǎn)的影響。本文從醫(yī)生、教師和醫(yī)學(xué)生三者的角度出發(fā)，以案例的方式概述人工智能給臨床領(lǐng)域和教育模式帶來的變化，闡述各方的態(tài)度，并分析背后的原因，以期為智能時(shí)代的醫(yī)科人才培養(yǎng)模式創(chuàng)新提供有益經(jīng)驗(yàn)和思路。

關(guān)鍵詞：人工智能；深度學(xué)習(xí)；臨床診療；醫(yī)學(xué)教育

引言

科技的迅速發(fā)展引領(lǐng)醫(yī)療行業(yè)進(jìn)入信息時(shí)代，使得患者的臨床資料與輔助檢查結(jié)果以及時(shí)、準(zhǔn)確、有組織性的數(shù)據(jù)形式呈現(xiàn)，醫(yī)生可以更高效、準(zhǔn)確地診斷病情，還可以更精準(zhǔn)、個(gè)體化地制定治療方案。人工智能技術(shù)（artificial intelligence，AI）的蓬勃發(fā)展正在將臨床診療推進(jìn)到智能時(shí)代。在AI算法的支持下，計(jì)算機(jī)開始模仿人類的思維過程，具備了推理、洞察、總結(jié)、學(xué)習(xí)等一系列能力。AI與醫(yī)學(xué)領(lǐng)域的交叉研究已經(jīng)成為一門前沿科學(xué)。一方面，隨著以卷積神經(jīng)網(wǎng)絡(luò)為代表的先進(jìn)深度學(xué)習(xí)網(wǎng)絡(luò)的出現(xiàn)和發(fā)展，人工智能算法在醫(yī)學(xué)研究領(lǐng)域的理論研究得以不斷深入；另一方面，醫(yī)學(xué)大數(shù)據(jù)集的完善推動(dòng)了計(jì)算機(jī)輔助診斷（computer aided diagnosis，CAD）學(xué)科的進(jìn)展，訓(xùn)練后的AI模型在部分任務(wù)上達(dá)到了專家級(jí)的診斷水準(zhǔn)。

在這場浪潮中，醫(yī)生和醫(yī)學(xué)生作為醫(yī)療行業(yè)與醫(yī)學(xué)教育的主體，將以主導(dǎo)者的身份引導(dǎo)人工智能在診療行業(yè)的發(fā)展。在我國的臨床教育體系中，醫(yī)生、教師和醫(yī)學(xué)生是難以割裂的整體。醫(yī)生的身份具備雙重性：一方面，他們作為臨床醫(yī)生，負(fù)責(zé)臨床診療活動(dòng)的決策與執(zhí)行；另一方面，他們作為教師，負(fù)責(zé)醫(yī)學(xué)生的教育和培養(yǎng)。AI技術(shù)的蓬勃發(fā)展，將智能化這個(gè)術(shù)語同時(shí)滲透到臨床與教學(xué)的活動(dòng)中，對(duì)醫(yī)學(xué)界產(chǎn)生了多元化的影響。醫(yī)生在臨床工作中的見聞將決定他們培養(yǎng)新一代醫(yī)學(xué)生的方向，而在醫(yī)學(xué)教育中的新技術(shù)運(yùn)用也將改變他們對(duì)未來醫(yī)療的看法，最終，他們的行為和態(tài)度將在課程理論和臨床實(shí)踐中對(duì)學(xué)生產(chǎn)生潛移默化的影響，共同決定未來醫(yī)療的發(fā)展趨勢。

1. 醫(yī)生：診斷與治療的新趨勢

根據(jù)不同學(xué)科的臨床需求，AI在醫(yī)學(xué)領(lǐng)域最常見的三類任務(wù)是分類（如病變的鑒別診斷）、檢測（如常規(guī)胸部CT中檢測肺結(jié)節(jié)）和分割（如頭部MR掃描中分割腦腫瘤圖像）[1]。目前，醫(yī)學(xué)圖像的智能化診斷是醫(yī)療人工智能應(yīng)用中最成功的領(lǐng)域。因此，以放射科、病理科、眼科、皮膚科等科室為代表，依賴圖像進(jìn)行診斷治療的學(xué)科最先遇到了挑戰(zhàn)。這些學(xué)科對(duì)其他檢查信息（如血常規(guī)的指標(biāo)）的需求很小，臨床圖像已經(jīng)包含了絕大部分診斷所需的信息，因此非常適合使用深度學(xué)習(xí)技術(shù)。

在放射學(xué)領(lǐng)域，AI模型已經(jīng)開始從放射學(xué)的圖像處理擴(kuò)展到輔助其他學(xué)科的專業(yè)診療中。其中最典型的是胸部疾病和乳腺疾病的診斷。由于這兩類檢查基數(shù)大，數(shù)據(jù)量充足，圖像標(biāo)注簡單，因此在這些方向不但成為研究熱點(diǎn)，也是最貼近實(shí)際應(yīng)用轉(zhuǎn)化的領(lǐng)域。在胸部疾病中，對(duì)算法針對(duì)性地改良，并在大數(shù)據(jù)集上訓(xùn)練后，目前模型對(duì)肺結(jié)節(jié)的檢出率超過90%，對(duì)病變良惡性判斷的準(zhǔn)確率已經(jīng)超過85%[2]。在乳腺疾病中，最新模型在鉬靶圖像上對(duì)乳腺腫塊的檢出率已經(jīng)超過95%，并且對(duì)病變分級(jí)判斷的準(zhǔn)確率也已超過90%[3]。

在病理學(xué)領(lǐng)域，雖然病理圖片包含信息復(fù)雜且圖像尺寸偏大，但是病理切片上細(xì)胞的圖像模式具備高度的重復(fù)性和規(guī)律性，因此非常適合AI算法。最常見的研究包括兩類：第一類是訓(xùn)練AI模型在HE染色切片或者術(shù)中冰凍活檢切片上進(jìn)行常規(guī)的病理診斷，如判斷結(jié)腸癌的病理亞型、判斷乳腺癌患者雌激素受體的水平等。第二類是在整張圖像的細(xì)胞群中檢測病變細(xì)胞，如在腫瘤切片中尋找免疫細(xì)胞、在血涂片中檢測被感染的細(xì)胞等[4]。

在皮膚學(xué)領(lǐng)域，研究者則使用日常拍照的圖像作為原始數(shù)據(jù)，訓(xùn)練AI模型鑒別皮膚損傷、皮膚癌和黑色素瘤等病變[5]。由于這些圖像非常容易獲取，圖像數(shù)據(jù)的數(shù)量和多樣性都有很好的保證，因此訓(xùn)練的模型對(duì)圖像多樣性（不同角度、不均勻曝光等）具有較好的魯棒性，研究成果也具有很高的通用性。

值得注意的是，這些研究都在反復(fù)強(qiáng)調(diào)一個(gè)觀點(diǎn)：即經(jīng)過訓(xùn)練的AI已經(jīng)達(dá)到甚至超越了人類專家的水平，使用AI輔助臨床診療不但可以有效降低醫(yī)師的工作量，提升疾病的檢出率，還可以降低患者的治療費(fèi)用，增強(qiáng)醫(yī)患交流。因此，未來醫(yī)療的發(fā)展必然會(huì)邁入智能化時(shí)代。

雖然AI在科學(xué)界已被證明其應(yīng)用潛力，但是目前的科學(xué)研究和臨床應(yīng)用依然處在分離狀態(tài)。一方面，研究者不斷證明AI的預(yù)測準(zhǔn)確性已經(jīng)達(dá)到臨床診療的需求，訓(xùn)練的模型也可以馬上部署測試；另一方面，傳統(tǒng)的臨床運(yùn)行模式并未受惠于AI類研究的發(fā)展，真正可操作的智能化診療平臺(tái)遲遲未見蹤影，人工智能似乎還和臨床應(yīng)用有很遙遠(yuǎn)的路程[6]。而同時(shí)擁有臨床診療者和醫(yī)學(xué)教育者的雙重身份的醫(yī)生正處在這種悖論中。

作為臨床醫(yī)生，雖然他們已經(jīng)逐漸意識(shí)到人工智能時(shí)代的到來，但是目前絕大部分的工作并未受到真正的沖擊。首先，臨床診療是非常復(fù)雜、嚴(yán)謹(jǐn) 的過程，醫(yī)生作為決策者和執(zhí)行者需要仔細(xì)考慮和綜合分析。目前僅僅在單一任務(wù)上高性能表現(xiàn)的AI模型尚不能處理復(fù)雜的臨床任務(wù)，并且僅憑圖像信息上得出的診斷結(jié)論并不能讓醫(yī)生完全信服。其次，AI網(wǎng)絡(luò)目前有其自身的技術(shù)瓶頸。目前，幾乎所有的AI模型都是基于CNN訓(xùn)練，但是魯棒性不佳是該技術(shù)的固有缺陷。雖然目前已有部分研究公開了他們的代碼，但是在測試后通常不能達(dá)到預(yù)期效果，即當(dāng)前研究報(bào)道的成果在其他機(jī)構(gòu)數(shù)據(jù)集上并不一定具備可重復(fù)性。因此，雖然醫(yī)生已經(jīng)感受到智能化診療的時(shí)代趨勢，但是將科學(xué)研究轉(zhuǎn)化成實(shí)際可操作的產(chǎn)品，并將其推廣到臨床應(yīng)用，仍然還有很長的路要走。

2. 教師：教學(xué)與實(shí)踐的新方法

醫(yī)學(xué)教育的核心是理論積累與實(shí)踐操作，AI也正在從這兩個(gè)方面改變著醫(yī)學(xué)教育。20世紀(jì)90年代，就有人提出并探索AI輔助醫(yī)學(xué)教育的可行性。當(dāng)時(shí)的醫(yī)學(xué)教育學(xué)家們探討如何將專業(yè)知識(shí)整合到計(jì)算機(jī)輔助教學(xué)中，并開發(fā)智能化的決策支持系統(tǒng)和基于人工智能的教學(xué)應(yīng)用軟件。經(jīng)過30余年的發(fā)展，AI目前已經(jīng)從各個(gè)角度對(duì)醫(yī)學(xué)教育產(chǎn)生了全面的影響。在我國政策的支持下，醫(yī)學(xué)院校大力推行在線的技能虛擬仿真教學(xué)平臺(tái)，其成果轉(zhuǎn)化迅速，市場投放率高，獲得認(rèn)可度更高，有效解決了疫情期間技能、實(shí)訓(xùn)、教學(xué)所面臨的困難，證明了其在教育領(lǐng)域的價(jià)值。那么，AI是如何改變傳統(tǒng)教學(xué)模式的？

AI與傳統(tǒng)教學(xué)之間的較量是當(dāng)今教育教學(xué)領(lǐng)域的焦點(diǎn)之一。臨床教學(xué)是非常復(fù)雜的過程，每個(gè)學(xué)生的基礎(chǔ)知識(shí)和學(xué)習(xí)能力各不相同。傳統(tǒng)模式下，教師雖然可以統(tǒng)籌課程整體進(jìn)展，但是無法準(zhǔn)確分析每個(gè)學(xué)生的學(xué)習(xí)情況和學(xué)習(xí)進(jìn)度，更無法針對(duì)學(xué)生個(gè)人制定個(gè)體化的學(xué)習(xí)計(jì)劃。這一直是傳統(tǒng)臨床教學(xué)中亟待解決的問題。AI輔助的理論教學(xué)則是智能化的講授和測評(píng)系統(tǒng)，通過基于AI算法開發(fā)的學(xué)習(xí)平臺(tái)，可以在講授過程中協(xié)助教師判斷學(xué)生對(duì)知識(shí)的掌握程度，尋找并解決知識(shí)盲點(diǎn)，進(jìn)而幫助學(xué)生們更好地掌握理論知識(shí)[7]。AI教育強(qiáng)調(diào)高效、自適應(yīng)的學(xué)習(xí)，可以根據(jù)學(xué)生的特點(diǎn)和進(jìn)度智能地調(diào)整教學(xué)內(nèi)容。

AI輔助的實(shí)踐操作，即虛擬現(xiàn)實(shí)技術(shù)輔助的情境教學(xué)則是另一個(gè)焦點(diǎn)。醫(yī)學(xué)本身不僅是理論知識(shí)的積累，更是實(shí)際操作的應(yīng)用。傳統(tǒng)模式中，教學(xué)與實(shí)踐融合非常困難，因?yàn)榛颊叩呐R床情況復(fù)雜多變且難以預(yù)測，經(jīng)典的模擬病人有時(shí)無法模擬真實(shí)場景[8]，而且對(duì)于部分侵入式的檢查操作，醫(yī)學(xué)生獲得實(shí)際鍛煉的機(jī)會(huì)可謂是可遇而不可求。為此，使用AI算法開發(fā)的VR技術(shù)提供了新的解決思路。例如，在外科手術(shù)培訓(xùn)中，基于AI算法開發(fā)的應(yīng)用程序?yàn)閷W(xué)生提供了沉浸式的教學(xué)體驗(yàn)，可以作為非常好的課程輔助工具。

雖然AI技術(shù)在教學(xué)中展現(xiàn)出強(qiáng)大的輔助功能，但傳統(tǒng)教學(xué)的人情味和人際互動(dòng)仍然是其無法替代的優(yōu)勢。在實(shí)際應(yīng)用中，找到二者的平衡點(diǎn)，充分發(fā)揮各自優(yōu)勢，可能是未來教育領(lǐng)域的發(fā)展方向。這場較量不僅是技術(shù)與傳統(tǒng)的較量，更是對(duì)教育本質(zhì)和目標(biāo)的思考，如何在科技發(fā)展的潮流中實(shí)現(xiàn)更全面、個(gè)性化的教育，將成為未來的關(guān)鍵課題。

眾多研究和報(bào)道為我們展示了目前智能化的醫(yī)學(xué)教育的現(xiàn)況：打破了時(shí)空限制，降低了教學(xué)門檻，同時(shí)還緩解了臨床實(shí)踐教學(xué)資源的供求矛盾，保障了醫(yī)學(xué)教育的質(zhì)量。整體而言，這種方案遵循醫(yī)學(xué)教育和人才成長的規(guī)律，發(fā)揮了技術(shù)平臺(tái)和智能應(yīng)用的優(yōu)勢，豐富了教育內(nèi)容，擴(kuò)寬了醫(yī)生的成才之路。這種成功也對(duì)醫(yī)師產(chǎn)生了正反饋，使他們在教學(xué)中感受到AI帶來的便利，了解到AI在臨床中可能的應(yīng)用，增強(qiáng)了他們對(duì)CAD研究臨床轉(zhuǎn)化的信心。這些都進(jìn)一步促使他們認(rèn)識(shí)并相信智能化時(shí)代的到來，即便AI研究尚未真正沖擊目前的診療方式，但是他們也對(duì)AI的未來充滿信心，并相信AI將變成未來醫(yī)療界的主流趨勢。

3. 醫(yī)學(xué)生：學(xué)習(xí)和改革的新方向

在網(wǎng)絡(luò)媒體高度發(fā)達(dá)的今天，學(xué)生獲取信息的渠道變得十分廣泛且迅速。一方面，在教學(xué)活動(dòng)中，智能化的教學(xué)系統(tǒng)和沉浸式的實(shí)踐方式正在切切實(shí)實(shí)地改善他們的學(xué)習(xí)方式；另一方面，對(duì)CAD研究的文獻(xiàn)報(bào)道層出不窮，各種輿論媒體也在不停地宣揚(yáng)AI已經(jīng)超過人類專家的說法，甚至大有代替醫(yī)生之勢。那么，醫(yī)學(xué)生對(duì)待AI應(yīng)該持有怎樣的態(tài)度呢？

實(shí)際上，我們可以從醫(yī)生的責(zé)任和角色出發(fā)，定義醫(yī)療界該如何看待這種趨勢。對(duì)于醫(yī)療行業(yè)來說，即便AI技術(shù)真正滲入臨床診療的各個(gè)流程，醫(yī)生依然是該過程的決策者、執(zhí)行者與責(zé)任者，AI只能被看作是診療中的輔助工具。未來的醫(yī)生依然需要掌握扎實(shí)的專業(yè)知識(shí)和熟練的操作技能。這既是對(duì)患者的負(fù)責(zé)，也是對(duì)職業(yè)的尊重。因此，醫(yī)學(xué)生們首先應(yīng)該掌握扎實(shí)的基礎(chǔ)知識(shí)和熟練的臨床技能，同時(shí)了解數(shù)據(jù)科學(xué)、生物統(tǒng)計(jì)學(xué)和循證醫(yī)學(xué)知識(shí)。這些是構(gòu)成醫(yī)療實(shí)踐的基礎(chǔ)，也是理解如何將人工智能用于醫(yī)學(xué)的關(guān)鍵。其次，醫(yī)學(xué)生應(yīng)該關(guān)注專業(yè)內(nèi)最新的科研技術(shù)的進(jìn)展?fàn)顩r，主動(dòng)學(xué)習(xí)相關(guān)知識(shí)，順應(yīng)時(shí)代發(fā)展潮流。最后，在輿論高度發(fā)達(dá)的今天，他們應(yīng)該具備從輿論新聞中區(qū)分正確信息的能力，承擔(dān)為患者和公眾創(chuàng)造可靠、有效信息的責(zé)任。

結(jié)語

人工智能與醫(yī)學(xué)領(lǐng)域的關(guān)系密不可分，其發(fā)展從簡單的計(jì)算機(jī)程序到多樣智能算法的演變，徹底改變了醫(yī)學(xué)診療和科學(xué)研究的格局。人工智能為醫(yī)生提供了強(qiáng)大的輔助工具，其應(yīng)用包括智能診斷、醫(yī)療影像分析、藥物研發(fā)等多方面，改變了傳統(tǒng)醫(yī)學(xué)模式，提升了臨床決策的準(zhǔn)確性和效率。盡管人工智能技術(shù)不斷進(jìn)步，醫(yī)生的專業(yè)判斷與人文關(guān)懷仍然是不可替代的核心，強(qiáng)調(diào)了在醫(yī)學(xué)領(lǐng)域中技術(shù)與人類智慧相輔相成的重要性。未來，醫(yī)學(xué)人工智能技術(shù)將主導(dǎo)醫(yī)療的主要發(fā)展方向，由于人為控制與設(shè)置的不確定性，算法改進(jìn)與精準(zhǔn)技能發(fā)展顯得尤為重要。在這場浪潮中，醫(yī)生、教師、醫(yī)學(xué)生如何在臨床實(shí)踐和醫(yī)學(xué)教育尋找各自的點(diǎn)，對(duì)醫(yī)學(xué)與人工智能的結(jié)合及可持續(xù)發(fā)展具有非常重要的意義。

參考文獻(xiàn)：

[1]徐喆，朱萍，龍海明.新醫(yī)科背景下人工智能在醫(yī)學(xué)信息技術(shù)中的應(yīng)用探討[J].工業(yè)控制計(jì)算機(jī)，2024，37（1）：145-146，149.

[2]賀文俊，張周兵，胡永松，等.基于人工智能的CT定量分析在肺結(jié)節(jié)患者中的診斷價(jià)值及效能ROC曲線研究[J].現(xiàn)代儀器與醫(yī)療，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]劉泓澤，劉迷迷，唐圣晟，等.醫(yī)學(xué)人工智能新基建的應(yīng)用發(fā)展研究[J].中國數(shù)字醫(yī)學(xué)，2023，18（8）：1-7.

[7]申書洋，鄭昱寒.人工智能賦能高等職業(yè)教育發(fā)展：價(jià)值意蘊(yùn)與推進(jìn)策略[J].繼續(xù)教育研究，2024（3）：84-87.

[8]李云亮，白華威，趙三化.基于“互聯(lián)網(wǎng)＋”的高等職業(yè)教育信息化建設(shè)研究[J].河南教育（高等教育），2023（7）：25-27.

作者簡介：陳超越，博士研究生，助理研究員，研究方向：計(jì)算機(jī)輔助醫(yī)學(xué)診療研究；通訊作者：范讓讓，博士研究生，助理研究員，研究方向：神經(jīng)系統(tǒng)腫瘤精準(zhǔn)靶向治療研究。