技术能否分担医学生面临的部分认知负担？发布于2024年10月22日 | 审核者：Abigail Fagan
- 关键点
- 大约68%的医学生使用大型语言模型（LLMs），56%的学生认为它们在一般医学主题上是准确的。
- LLMs通过适应个人需求提供个性化学习，提高了学生的灵活性。
- 人工智能可能减少认知负担，使学生能够专注于更高层次的技能，如批判性思维。
医学院的学习非常艰难，但学术长廊尽头可能有一线希望。佛罗里达大学医学院最近的一项研究揭示了一些有趣的见解，即医学生如何将大型语言模型（LLMs）如ChatGPT融入他们的学习中。研究显示，67.7%的学生使用LLMs，55.9%的学生认为它们在一般医学主题上是准确的，这似乎表明学生对AI在医学教育中的作用越来越有信心。
通过LLMs实现个性化学习
虽然该研究突显了医学生对LLMs的积极看法，但重要的是要考虑LLMs不仅限于回答问题。它们可以提供个性化的学习体验，适应每个学生的学习风格、节奏和语言需求。这将使学生能够根据时间限制或熟练程度调整学习方式，对于时间紧张的医学生来说，这可能会是一个改变游戏规则的功能。
然而，研究还显示，73.5%的学生会交叉检查LLMs的回答，反映出一种谨慎但必要的态度以确保准确性。尽管交叉检查可能会增加额外的努力，但它也强调了学生与AI之间关系的演变。随着这些工具变得越来越值得信赖和准确，学生可能会越来越多地依赖它们，减少验证的认知负荷，使LLMs成为更无缝的学习伙伴。
重新构想医学教育中的认知负担
除了个性化教育，LLMs还提供了另一个变革机会——减少学生的认知负担。当今的医学教育要求学生付出巨大的脑力劳动来记忆、整合和应用大量的信息，其中许多信息的增长速度超出了人类完全吸收的能力。这种沉重的认知负担几乎没有留给批判性思维和解决问题的空间。然而，AI可以通过处理学习的机械方面来缓解这一负担，使学生能够专注于医学的艺术——患者护理的人文和直觉方面。
研究表明，这种转变已经在进行中。22.5%的学生在临床环境中使用LLMs，这清楚地表明LLMs的应用已经超越了单纯的学习。AI的角色可能会演变为临床合作者——梳理复杂的数据集，进行实时推理，提供决策支持——使未来的医生能够在不受大量信息困扰的情况下行使判断和同理心。这种合作动态将重新定义学生与AI之间的关系，从工具转变为认知伙伴。
将AI纳入课程：必要而非选择
研究的另一个关键见解是，100%的受访学生认为AI应该正式纳入医学课程。这表明教育范式正在发生变化——未来的医生不仅要了解医学，还要了解将日益塑造其实践的AI工具。
通过将AI纳入医学教育的基础元素，学校可以培养学生有效和道德地利用LLMs，最大限度地发挥其在学习和患者护理中的潜力。这不仅仅是技术熟练度的问题；而是赋予未来医生与AI协同工作的能力，以提高医疗保健效果。由于65.7%的学生已经报告在医学或研究中接触过AI，这种整合更多是形式化已经有机发生的事情。
AI作为医学学习的未来
这项当前研究表明，将LLMs融入医学教育不仅仅是一种趋势——它是未来的信号。随着学生因LLMs的多功能性、准确性和减轻认知负担的能力而接受它们，AI正在重塑学习和实践医学的意义。其影响是重要的：未来的医生将与AI携手工作，利用它来个性化教育、简化工作量，最终提供更好的患者护理。随着AI的不断发展，医学教育需要跟上步伐，不仅教授医学知识，还要教授如何最好地利用这些强大的工具。
通过现在拥抱LLMs，医学生正在为一个AI不仅是助手，而且是教育和实践中全面合作伙伴的医疗系统奠定基础。这一转型标志着医学的一个新篇章，其中治愈的艺术将由AI的科学赋能。
(全文结束)
