多年来，人工智能在胃肠病学领域一直与息肉检测划等号，但部分行业领袖指出，这种认知忽略了正在进行的更大规模变革。
下一波颠覆性浪潮将来自预测分析、慢性病管理和AI驱动的临床决策支持。这些领域有望从根本上重塑胃肠病学家管理炎症性肠病、分层肿瘤风险以及规模化解读患者数据的方式。
随着这些工具从试点项目走向日常实践，新一代医生所需的技能组合也将随之转变。
康涅狄格州法明顿市康涅狄格胃肠病诊所（Connecticut GI）的胃肠病学家尼尔·帕里克医学博士加入《贝克手术中心评论》（Becker's ASC Review），探讨人工智能将如何改变胃肠病学培训，以及为何意识、数据素养和临床判断力可能变得与操作专长同等重要。
问题：如果人工智能成为医生的合作伙伴，您认为下一代胃肠病学家需要掌握哪些五到十年前未被强调的技能？
编者注：本次采访经轻微编辑以提升清晰度。
尼尔·帕里克医学博士： 我反复强调的第一点是意识。胃肠病学培训生需要理解人工智能将成为其临床实践的一部分，且其应用远不止息肉检测。目前我认为这方面的认知不足——我们常把"AI"当作流行术语，却未必清楚它对胃肠病学的具体意义。这是首要任务。
其次，我们必须学会管理所有这些数据。人工智能将生成远超以往的信息量——不仅是患者消息，还包括计算机化的算法评分。我们需要建立将这些评分纳入工作流程的机制。假设你正在管理1000名炎症性肠病（IBD）患者，每周收到1000份评分，现有系统将无法应对。我们需要新流程，培训生不仅需理解这些评分的含义，还需掌握严重程度解读能力。虽然许多环节可自动化，但临床理解仍至关重要。
在息肉检测方面，人类判断依然不可或缺。当前人工智能的作用是确保不遗漏异常组织。我向学员解释：它会标记任何正常结肠中不应出现的物体。如果标记物实际并非息肉，你仍需专业判断力决定不予切除。
随着更多自动化工具进入工作流程，这种判断力将愈发重要。
我甚至在思考医学教育是否也将转变。传统上，医学生前两年专注于死记硬背大型教材——如有机化学等，随后转入临床培训，住院医师阶段则更侧重临床经验。
我认为我们将转向更丰富的临床实践，因为借助大型语言模型（如GPTs、OpenEvidence），纯粹的记忆需求可能降低。但你必须具备将信息转化为可靠临床决策和执行的能力。
问：是否存在未准备好应对这一转变的新一代胃肠病学家？
帕里克： 我认为他们正逐步做好准备。若一年前提问，我们会很被动，且未能充分利用 readily available 的资源——这会导致实时劣势。
若一名学员使用大型语言模型而另一名不用，使用模型的学员在效率和信息准确性上将占据优势。
【全文结束】
