随着人工智能日益融入临床工作流程，医学教育的重点正从技术能力向这些工具所服务对象——患者的深远影响拓展。本周综述汇集了多项最新研究，探讨人工智能、医学培训与患者护理的交叉领域。从公众对AI辅助诊断的认知到维护患者自主权的伦理挑战，这些研究揭示了关键转变：随着技术进步，医学教育对以人为本技能、透明沟通和健全伦理框架的需求比以往更加强烈。
乌利齐奥及其同事在2026年开展的定性研究中，通过德克萨斯医疗中心19名利益相关者（包括临床医生、开发者、管理者和患者倡导者）的焦点小组，探讨了现实医疗环境中AI的伦理与实践考量。研究发现，尽管参与者认可AI在扩展临床专业能力和减轻行政负担方面的潜力，但也指出获取高质量数据集的障碍以及缺乏系统化验证AI工具的治理机制。关键发现显示，关于责任归属和患者告知的争议仍未解决，临床医生与患者倡导者在何时及如何告知患者AI使用方式上存在分歧。这对医学教育者而言凸显了必要性：未来医疗从业者不仅需掌握AI使用方法，更需学会在实践中处理共享责任与知情同意的复杂伦理张力。
孙、陈和袁的研究分析了AI与社交媒体的整合，探讨TikTok和YouTube等平台如何将患者从医疗信息的被动接收者转变为积极参与者。作者指出医疗短视频是一把"双刃剑"：虽然能降低复杂医学信息的认知负担并促进同伴支持，但也会加速错误信息传播，约37%的医疗社交媒体帖子包含不准确内容。为应对这一挑战，研究者提出主动式、多层级AI治理策略，即利用自然语言处理算法对照医学共识过滤内容，同时由医疗机构提供经验证信息。该研究对医学教育具有高度相关性，凸显了亟需在医疗专业人员中发展"AI素养"，使其成为引导患者穿越充满算法偏见和商业利益冲突的数字环境的守护者。
基希伯格的横断面调查量化了美国公众对医疗AI的认知，以明确医学教育的新需求。通过对524名成年人的问卷调查发现，公众强烈偏好医生主导的诊疗，62.8%的受访者最信任医生独立诊断，仅7.8%信任AI优先诊断模型。研究结果明确指向教育改革需求：81.1%的参与者担忧医生过度依赖AI而缺乏批判性审视，85.2%支持医学院开设强制性AI使用、伦理及局限性培训课程。此外，70.2%的受访者认为，随着AI承担更多技术任务，医学教育应将重点转向同理心、医患沟通和伦理判断等以人为本的技能。该研究提供了有力证据：公众期望未来临床医生成为抵御算法错误的严格把关者，而非技术的简单使用者。
卢等人通过系统性文献综述，考察了人工智能时代患者自主权面临的伦理挑战。他们研究发现，AI快速融入临床决策要求医学教育进行范式转变，以维护基础伦理原则。作者主张医学教育者应主动调整课程，教导学生批判性评估AI应用的数据隐私风险、算法偏见及知情同意的细微差别。论文强调，保障患者自主权需要跨学科方法，整合计算机科学、法律和社会科学等领域知识，为学生提供全面的伦理图景。对医学培训而言，这强化了培养伦理决策能力和以患者为中心的护理理念的不可或缺性，即使在技术驱动日益增强的环境中。
最后，穆奇、格林和希尔（2024年）探索了人工智能在医疗专业和患者教育中的整合，以促进有效患者护理。作者详细说明AI如何通过生成式AI聊天机器人和远程监测设备等工具，为患者提供个性化互动健康信息，从而提升健康素养和治疗依从性。然而，论文也批判性评估了这些技术的局限性，包括准确性、数据隐私、算法偏见问题，以及可能削弱信任的AI系统"黑箱"特性。作者总结指出，尽管AI能显著增强患者教育和护理交付，但无法取代医疗专业人员提供的同理心、临床直觉和人际互动。这突显了继续医学教育的关键目标：培训医护人员流畅整合AI工具至工作流程，同时维系医患关系中不可或缺的人文要素。
1 乌利齐奥CW等. 探索现实医疗环境中人工智能的伦理与实践考量：利益相关者焦点小组研究. JMIR AI 2026;5:e85163.
2 孙H, 陈X, 袁Y. 人工智能与社交媒体的整合：优化资源与增强医患关系的机遇、挑战及路径. Front Digit Health 2026;8:1738784.
3 基希伯格M. 公众对医疗人工智能的认知及其对未来医学教育的影响：横断面调查. JMIR Form Res (预印本) 2025;89123.
4 卢H等. 医学教育中的患者自主权：人工智能时代的伦理挑战导航. INQUIRY 2024;61:1-13.
5 穆奇A, 格林WM, 希尔LH. 人工智能在医疗专业和患者教育中的整合：促进有效患者护理. New Dir Adult Contin Educ 2024;2024:51-62.
【全文结束】
