人工智能（AI）已经在改变医疗保健，但临床医生和医学生的数据科学培训仍然主要是选修课程。绝大多数医生认为这种情况需要改变。根据即将发布的《Medscape报告：医疗保健中的AI采用》，85%的执业医师同意：医学教育和培训需要进行重大调整以适应AI的使用。
接受采访的专家也表示赞同。要熟练使用AI辅助工具，需要在医学院及以后进行大规模的教育培训。为了引导这项新技术、保持临床判断力并保护患者，医生需要接受更多关于AI构建方式及其依赖的数据的培训。能够操作机器的医生符合每个人的最佳利益。
保持医生的控制权
更多AI教育对于医生在使用AI时保持自主权至关重要。明尼苏达州罗切斯特市梅奥诊所数字健康中心的高级主任Shauna Overgaard博士在接受《Medscape Medical News》采访时说：“这不仅仅是信任AI的问题。我们希望医生保持他们的判断力、同理心和控制感——这些都是导致他们怀疑的因素。”
因为AI并不是万能药，它有潜力在医疗保健中取得显著改进，但也可能犯错。患者和医疗系统需要知道如何利用AI为自己谋利的医生，同时也知道何时对其解决方案持批判态度。正如医生被教导审查研究方法和统计或评估新药一样，他们也需要具备对算法持怀疑态度的技能。AI的输出是否有道理？用于形成预测的数据是什么？该算法在哪类患者中表现良好，哪些地方缺乏数据？
“临床医生不需要比系统更聪明，”Overgaard补充道，“但他们需要知道何时质疑。”最终，护理决策仍由医生做出。“我们不能在病历上写，AI让我们做出这个决定，”迈阿密私人执业医生兼健康技术顾问Oren Mechanic博士说。为了实现这种AI合作与批评之间的微妙平衡，每个人都需要更多的培训。
数据科学基础
理想情况下，AI教育的基础应在本科医学培训早期奠定。“我认为数据科学将成为医学课程的核心部分，”纽约市威尔康奈尔医学院的急诊医学医生兼AI研究员Peter Steel博士说。医学生将获得AI的基本理解，学习数据分析、机器学习、局限性和偏见等基础知识。
一旦学生对驱动AI的架构有了扎实的理解，他们就能“批判性地解释其输出并结合自己的临床判断进行交叉检查，”Steel说。通过这样的培训，他们更有可能发现偏见、识别幻觉，并知道在AI与其临床决策不一致时该怎么办。只需一门课程即可奠定基础，Mechanic补充道。然后，随着学生在不同的培训和临床环境中使用AI，他们的数据科学技能将不断得到完善。
医生还需要接受如何向患者传达AI见解的培训，Steel说。他们需要能够解释AI输出的来源及其可靠性。有时，这些解决方案可能非常复杂且无法完全解释，因此医生需要具备建立信任的技能。到目前为止，数据科学培训主要由感兴趣的学生推动，美国医学协会医学教育创新副总裁Kim Lomis博士在美国医学协会采访中表示。Lomis指出，现在已变得“迫切”，需要医疗领导将AI培训内容纳入必修课程。
然而，增加新兴AI内容可能会给教育工作者带来挑战：内容对所有人来说都是新的，包括领导层。“许多机构觉得他们没有这方面的专业知识，”Lomis在采访中说。而且，医学院已经承担了在短短4年内教授学生大量课程的任务。答案可能来自医学院之外。Steel表示，为了满足学生的教育需求，医学院可能需要承担或与高级数据科学教师合作。
整个医疗领域的培训
不仅受训者需要了解如何使用AI，整个临床劳动力也需要更好地理解如何提供AI增强的、由医生主导的护理，专家表示。
与本科医学教育类似，研究生和博士后阶段的AI培训也主要是选修课程。一些机构如梅奥诊所和肯塔基州路易斯维尔大学提供专门针对医疗专业人员的AI硕士项目。
但这可能并不适合所有人，Overgaard说。这些学位更集中在计划在其专业领域指导AI项目的医生身上。斯坦福、达特茅斯、哈佛和麻省理工学院等多所机构提供短期课程或医疗AI证书。这些课程可能是希望深入了解AI工具的医生的好选择，尤其是在早期阶段。
但所有专家都认为外部教育不会成为强制要求。医疗系统最终将负责在其测试和推出AI工具时教育其员工。如果员工感到不安或觉得自己能力不足，无论AI多么优秀，他们都不会采用。医疗系统将不得不投资于一线员工的培训，以实现这些大型AI采购的价值。
Overgaard补充说：“我交谈过的许多临床医生已经开始接受教育。”梅奥诊所已经在AI教育方面进行了大量投资，将其纳入一些培训项目，并与谷歌等开发者建立了合作关系。中型和小型系统可能会受益于这种“自上而下”的效应。大型机构将测试并实施多种医疗用途的AI，并传递有效的经验。“作为拥有巨额资金和智力资源的组织，我们有责任不仅仅服务自己，”Overgaard说，“还要建立系统、提出建议并创建其他医疗系统可以采纳和改进的框架。”
(全文结束)
