这是一篇开放获取的文章,根据创作共用署名许可协议(https://creativecommons.org/licenses/by/4.0/)的条款发布,允许在任何媒介上不受限制地使用、分发和复制,前提是正确引用最初发表在JMIR医学教育上的原创作品。必须包括完整的书目信息,https://mededu.www.mybigtv.com/上的原始出版物的链接,以及此版权和许可信息。
人工智能(AI)正在成为病房、医生办公室和手术室的支柱。目前医疗保健技术的进步可能会使未来的医生处于装备不足的位置,无法应对人工智能和机器学习解决方案带来的进步和挑战。在人工智能驱动的预测的帮助下,医生将定期进行临床决策。现在的医生没有接受过定期纳入这些预测建议的培训,他们也不了解将人工智能纳入其实践和不断发展的护理标准的道德方法。医学院目前没有将人工智能纳入其课程,原因有几个,包括缺乏教师专业知识,缺乏证据来支持学生学习人工智能的日益增长的愿望,或者缺乏医学教育联络委员会在医学教育中对人工智能的指导。医学院应该将人工智能作为当前学科的一条纵向主线纳入课程。目前的学生应该了解人工智能工具的广度,工程和设计临床问题的人工智能解决方案的框架,以及数据在人工智能创新发展中的作用。课程中的研究案例应包括可能带来关键决策挑战的人工智能建议。最后,人工智能在医学中的伦理影响必须放在任何综合医学教育的最前沿。
人工智能(AI)及其应用在解决许多医疗保健全球问题方面前景广阔,包括诊断、促进诊断、决策、大数据分析和管理[
许多医学领域已经从人工智能的实际应用中获益。例如检测心房颤动、癫痫发作和低血糖,或根据组织病理学检查或医学影像诊断疾病[
随着人工智能在医疗保健领域不断取得进展,它也并非没有挑战。人工智能遇到了一些医生的阻力,这些医生对临床实践的这种演变缺乏准备[
人工智能将改变传统的临床医生-患者二人组的动态,变成在道德和情感上更加复杂的临床医生-人工智能-患者三人组。这将极大地改变信任和问责方面的道德、法律和财务影响[
人工智能等新兴技术有可能颠覆通过传统教育项目维持的劳动力市场。为了适应这些市场混乱,医生培训项目需要改变。
UME必须开始欢迎未来,并通过人工智能为学生提供更广泛的医疗保健。关于数据科学的知识、评估算法质量以及区分不同的人工智能产品是医学教育的必要组成部分,教师必须开始纳入这些内容。医学院必须开始教授和培养独特的人类能力,使医生相对于计算机具有竞争优势,从而在未来确立不可替代的角色。
医学实践正在进入人工智能时代,在这个时代,使用数据来改善临床决策的需求将会增长,这带来了对熟练的药物-机器交互的需求[
医疗专业人员需要在人工智能、人工智能的优势及其降低成本、提高质量和扩大医疗保健覆盖面方面接受充分的培训。同样重要的是,医生应该了解其透明度和责任等不足之处。为了实现这些目标,人工智能需要在课程的不同方面无缝集成。
当将人工智能解决方案的建议整合到患者的治疗过程中时,医生应该能够回答患者可能存在的任何担忧。也许更重要的是,医生有责任确保人工智能成为一种有益于病人护理的技术,而不是可能造成伤害的原因。技术革命在医疗保健中基于人工智能的实施的伦理考虑方面提出了许多挑战。数据库中少数族裔的排斥、法律保护的问题、人文关怀的减少,以及其他伦理问题,引发了人们对人工智能在医疗保健中的适应性的担忧。这些原因表明了获得足够的AI知识和经验的重要性,这是未来医生非常重要的义务[
医学院应采取必要措施,教育学生广泛了解基础医学和临床医学,以及数据科学、生物统计学、人工智能的生物伦理影响和循证医学。医学生训练的一部分应包括培养区分正确信息和修辞的能力,并了解如何为病人和公众创造和传播经过彻底验证的、值得信赖的信息。[
目前,人工智能在医学教育中的状态尚处于起步阶段和推测阶段[
由于对变革的抵制,医学院的课程改革很难实施。这种阻力是合理的,因为在如何整合变革和本已繁忙的课程方面缺乏共识。出于这个原因,提出额外的课程或工作量可能会遭到医学教育教师的批评,这是医学生的最佳利益。在国家基础设施一级,这些问题可以得到医学教育和组织领导人的支持。通过在美国医学院协会年度毕业问卷上增加1-3个问题来衡量学生的兴趣和能力,这些看法可以很容易地澄清。例如,问卷可以询问是否应该在UME期间教授人工智能,应该在哪一年的培训中教授人工智能,以及应该如何将其纳入。这些可以转化为认证要求并推动变革。
包括人工智能在内的多层解决方案一个在医学教育课程中
改进的水平和目标领域 | 例子 | |
|
|
|
|
对象为b | 问卷、材料和指导 |
|
LCMEc | 最低要求和专家小组 |
|
多机构研究 | 态度和质量改进的纵向研究 |
|
|
|
|
教师发展 | 生物伦理学、生物信息学和医疗人工智能经验 |
|
基础知识课程 | 入门课程,人工智能的好处和陷阱,人工智能的伦理 |
|
基于案例的学习 | 以往病例的多专科意义和生物统计学意义 |
|
|
|
|
杂志俱乐部或阅读小组 | 专业期刊、医疗保健系统期刊和医疗保健期刊中的人工智能 |
|
人工智能在临床环境中的应用 | 肿瘤板,放射科旋转,护理点超声 |
一个AI:人工智能。
b美国医学院协会。
c医学教育联络委员会。
一个更重要的问题是,本科医学教育工作者如何团结起来,就将人工智能纳入课程进行高质量的研究。对于所有本科医学教育的必要改变,各个学校在研究和方案方面的标准不同的报告是否公正?多所医学院的联合研究工作将为这一问题提供多方面和多样化的投入,这是必要的。
就个别学校而言,必须投入资源来改进课程。应该提倡在整个UME中贯穿纵向AI线程,以解决时间和内容限制问题。循证医学课程应纳入评估人工智能投入的额外视角。医学院教师可能没有能力回答问题或讨论人工智能在循证医学中的作用。因此,从其他学校增加临床医生、数据科学家或计算机科学与工程教师成为医学院的教学人员势在必行。
学习公共卫生科学的学生必须了解人工智能的背景,以便了解人工智能可以为他们未来的研究和实践做什么,不能做什么。在医学院的课程中教授人工智能的全部课程太难了。医学人工智能的入门讲座是必要的,应该提倡。在大多数学校,讲师可能是一名数据科学家,但重要的是,讲师有教学经验,熟悉医学生,熟悉AI在医学中的作用。最好是,讲师之前已经在计算机科学课程中教授过人工智能在医学中的作用。最重要的是,教师应该具备一定的生物伦理学能力,以解决人工智能给医疗保健带来的广泛的伦理问题。
基于案例的学习和模拟学习也可以在临床场景中纳入基于人工智能的建议。通过将人工智能集成到案例和模拟中,学生可以接触和熟悉基于人工智能的解决方案。协作和管理AI应用程序将需要医学院学生深刻理解概率推理和伦理考虑[
另一个建议是,机构可以在其他机构创建的基于网络的医疗保健项目中提供人工智能(例如,斯坦福大学的医疗保健人工智能专业项目)。这些课程由卫生保健和人工智能领域的世界知名专家教授,医学生可以付费获得这些课程。提供参与该项目的机会将使医学院能够在课程中注入新的知识,否则无法提供这些知识。
在学生个人层面上,学生可以通过积极参与人工智能来帮助推动教育的变革。之前,我们已经证明,目前的大多数文献都认为,医学生不需要学习如何编码和创建AI工具,但他们应该了解AI的工作原理及其局限性[
学生们也可以在临床环境中接触人工智能。已经有报道称,学生们使用人工智能驱动的软件接受个人便携式超声波检查,以帮助他们提高教育水平。
人工智能决策的经验教训将适用于各个医疗保健领域的个人,无论是在城市还是农村。人工智能有望渗透到各种医疗保健环境中,因为它有可能扩大获得医疗保健的机会。因此,无论学生选择什么医学领域,他们都应该通过学习人工智能做好准备。
新的医学课程变化会对医学生产生巨大的积极和消极影响。此外,课程的改变,如引入一个完整的小说主题是一项艰巨的任务。因此,重要的是,来自不同地区的医学教育专家齐心协力,创造和评估已实施的变革。教育研究对评估不同课程改革的成效至关重要[
研究衡量学生和教师的态度、技能水平和UME人工智能的具体需求在这个时间点上是至关重要和紧迫的。纳入这些建议的进一步努力应该是可衡量的,并拥有可解释的数据,以推进人工智能在UME中的实施。为了实现这些目标,一个协调的多机构研究是一个合乎逻辑的方法。
医学教育院长需要聚在一起讨论和规划人工智能课程改革。在组织层面,医学教育管理机构必须制定和促进这些变化。医学教育联络委员会应就如何通过专门委员会最好地将人工智能纳入医学教育提供建议和指导方针。
2018年,美国医学会呼吁开展“关于人工智能教学在医学教育中对学习和临床结果的有效性的研究”[
人工智能在医学领域当前和未来的发展要求本科医学教育工作者在课程中运用和实施人工智能。纵向研究计划是必要的,以有效地研究如何最好地实现这些课程变化。医学教育管理机构、医学教育院长和医学教育研究人员应该开始在本科医学教育课程中实施人工智能。这些实体的集体协议将确保当前的学生——我们未来的医生——获得足够的人工智能曝光。
人工智能
本科医学教育
所有作者对这项工作的贡献相同。
没有宣布。