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[ 3.］．医生很可能会从人工智能的进步中受益，但可以理解的对替代的恐惧可能会阻止这些机会。此外，缺乏人工智能方面的知识可能会对机器学习预测的可信度产生怀疑。随着其他专业部门继续使用人工智能解决方案来推动其行业的发展，这种阻力可能会阻止很大一部分医疗保健部门适应人工智能[ 3.］．

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[ 7］．医生必须为这一巨大的变化做好准备。 8］．

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。 9］．目前的本科医学教育(UME)课程与不断发展的技术的新需求越来越不同步。尽管大多数医学院都乐于接受变革，并努力定期更新医学课程的组成部分，但很难实现重大改革，而且可能会阻碍在课程中实施人工智能。实施重大课程改革的道路是艰难的，原因有很多，包括根深蒂固的价值观和认证过程[ 10］．

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。 9］．

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[ 11］．用正确的技术和对人工智能的适应来教育下一代医生，将使他们成为这场新兴数据科学革命的一部分[ 8］．目前，医生有不同的方法来陪伴人工智能。有医生参加数据科学课程，有研究机会，有数据科学家进入医学教育项目。这些只占医生总数的一小部分，因此在UME中采用更综合和更先进的方法是必要的。

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。 11］．

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[ 12］．

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。[ 12］．

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[ 13- 16］．之前，我们已经表明，大多数关于该主题的已发表文献都呼吁改变本科医学教育，并且有必要进行研究以支持课程变化[ 17］．即便如此，也很少有人考虑要实现这种改变必须采取哪些步骤。这是意料之中的，因为实施主要课程改革很困难。在此，我们概述了所认为的困难，并提供解决这些挑战的解决方案( 表1）.

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。

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[ 10］．这些课程应该由了解人工智能建议的准确性和解释的教师教授。医学院很可能需要在这一领域雇佣更多的教师，以确保人工智能在医学内容中的高质量交付。

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[ 17］．学生可以在医学杂志上读到关于人工智能在医疗保健方面的进展。人工智能研究在许多领先期刊上都有很强的影响力，包括以人工智能为主题的医学期刊。阅读医疗保健领域人工智能的当前趋势将为学生提供信息，并为医疗保健的未来做好准备。当与医学院的循证医学学习相结合时，学生将能够评估人工智能研究的完整性。

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。 18， 19］．学生可以在他们的放射学轮转中看到人工智能的应用，并与不同专业的放射科医生和临床医生讨论人工智能在临床决策中的作用，这些专业涉及受人工智能应用影响的患者护理。人工智能集成将是针对特定专业的，但人工智能作为一个整体可能会出现在整个医疗保健领域。例如，由放射科医生、病理学家、肿瘤学家和外科医生组成的肿瘤委员会受到人工智能应用的影响。学生们可以根据自己感兴趣的领域进行调整。以上建议适用于医学教育整体，突出了通识医学教育的重要性和改进空间。特定于专业的AI主题对于UME来说不是必要的，但可能在住院医生和其他职位上是必要的。然而，通过人工智能的纵向课程主线，医学院可以让学生接触到使用人工智能的各种专业。

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。