当全国高校都在重构课程体系以利用生成式人工智能时，美国医学院却仍严重滞后。
如今大多数医学生毕业时都未曾接受过有效使用生成式AI工具的系统培训。这种状况必须改变。要培养面向未来的医生——并保护未来的患者——医学院院长、民选官员和医疗监管机构必须投入与技术发展速度相匹配的培训资源。
全国范围内，高校正在重新设计人工智能时代的教育方式。杜克大学为每位新生配备了名为DukeGPT的定制AI助手，加州州立大学23个校区46万名学生现已可全天候使用ChatGPT工具包。这些并非小众实验，而是旨在培养适应快速变化劳动力市场的系统性改革。
但大多数医学院却未能跟上步伐。他们仍在强调机械记忆的教学方式——用生化代谢通路和临床罕见知识测试学生，而这些内容在实际诊疗中极少应用。
虽然2022年ChatGPT发布后，教育界曾因剽窃担忧而谨慎应对，但如今越来越多高校已从监控AI转向强制要求教师将其纳入课程。美国教师联合会本月更宣布将设立由微软、OpenAI和Anthropic注资2300万美元的AI教育者培训中心。
医学教育领域却成为特例。近期Educause研究显示，仅有14%的医学院制定了正式的生成式AI课程，而本科生课程比例已达60%。多数医学院领导和医生仍将大语言模型视为行政辅助工具，而非核心临床手段。
这种短视思维亟待改变。数年后，医生将依靠生成式AI整合海量医学研究、识别诊断模式并推荐循证治疗方案。患者也将带着AI辅助生成的健康报告前来就诊。
负责任地使用生成式AI可预防每年约115万例死亡：40万例诊断错误、25万例医疗事故及50万例慢性病失控病例。民选官员和监管机构必须支持这一救命技术。
医学院如何迎头赶上
过去，医学生的能力评估侧重知识记忆能力。未来，他们的能力将取决于帮助AI赋能的患者管理慢性病、预防致命并发症并最大化健康收益的能力。随着生成式AI能力每年翻倍，2025级新生临床实习时将接触比现有模型强大30倍的工具，但多数医生仍未接受过系统培训。
改革医学教育应从师资培训开始。2025年入学的医学生已熟练掌握ChatGPT等生成式AI工具，但多数教师仍需建立这种能力。学术领导者应在新学年开学前为教师提供培训项目，内容应涵盖提示工程、输出评估和可靠性分析等临床应用基础技能。
师资准备就绪后，学校可开始构建基于现代临床现实的案例教学体系。
案例实践：生成式AI支持下的慢性病管理
设想学生接诊一位45岁男性常规体检患者，体检发现血压为140/100mmHg。
首先，学生应完成传统诊断流程：
- 需补充哪些病史？
- 哪些体征需进一步检查？
- 需进行哪些实验室检测？
- 应制定怎样的治疗和随访计划？
随后，学生将病例输入生成式AI工具，对比其输出与自身分析结果。观察两者在哪些方面一致？差异出现在何处？原因何在？
最终，学生设计结合生成式AI能力的诊疗方案：
- 分析家用血压监测设备数据
- 定制化健康指导
- 实现患者就诊间隔期的主动慢性病管理
这种与传统课程整合的培训方式，既能培养未来医生的技术驾驭能力，又能深化他们对医疗变革的理解。
呼吁政府：赋能新一代医生
仅靠医学院难以完成这一转型。由于医生培养资金主要来自联邦拨款和医保资助的住院医师项目，有效的改革需要学术机构、政府机关和立法者的协同领导。
培养能安全有效使用生成式AI的未来医生应成为国家战略。医保体系需资助新型教育项目，FDA也需简化生成式AI临床应用的审批流程。
本月，特朗普政府鼓励美国企业和非营利组织开发面向学校、教育者和学生的AI培训项目，英伟达、亚马逊和微软等科技巨头已积极响应。
若医学院院长能展现同样开放的创新精神，政策制定者和行业领袖必将加大对医学教育的投资力度。反之，若医学教育界和政府犹豫不决，逐利的私有企业和资本集团将填补空白——但他们的目标将是以利润为导向，而非提升医疗质量。
在各医学院准备迎接2029届新生（同时立法者正面对美国医疗成本飙升的现实）之际，他们必须思考：
我们究竟是在培养昨日医学的实践者，还是明日医学的引领者？
作者罗伯特·珍珠博士著有《ChatGPT, MD》一书，现任斯坦福大学医学院和斯坦福商学院讲师，曾任凯撒医疗集团首席执行官。本文为The Fulcrum网站撰写。
【全文结束】
