贾 萌，张瑛琪，李云峰，黄 蕊，陈 迪，赵 昕
(1.山东第一医科大学护理学院，山东 济南 250014；
2.潍坊医学院，山东 潍坊 261000；
3.山东第一医科大学第一附属医院，山东 济南 250014)
人工智能(Artificial Intelligence，AI)是计算机科学最有发展潜力的分支之一，也是涉及数学、信息论、语言学、心理学等学科的交叉学科[1]。随着人工智能的飞速发展及其在医疗领域的广泛应用，特别是大数据和人工智能在医学实践中的日益融合，对培养21世纪的医学人才提出了新的要求[2]。医学生作为未来医学发展的主力军，开展人工智能教育是培养医学生人工智能素养和提高未来在人工智能支持的环境中执业能力的最有效形式。因此，各国政府高度重视高等院校开展人工智能教育[3]，美国部分大学已开展了医学人工智能相关的课程和培训，鼓励支持人工智能在医疗保健中的普及和应用[4]，同时美国已于2018年开始将有关人工智能等相关的内容纳入执业医师资格考查中[5]；
英国在一份独立报告中提出要在医学教育中整合数字医疗保健技术、人工智能和数据分析等内容[6]，培养具备人工智能专业能力的医学人才。近年来，我国也陆续出台了人工智能相关的政策文件[7-9]，呼吁加快人工智能在教育领域的创新应用，并于2018年提出了新医科建设，积极探索和建设新时代高质量的医学教育[10-11]。开展医学人工智能教育，是培养医学生应用人工智能相关知识分析问题、解决问题的能力，提升医学生人工智能素养的重要途径[12]，也是培养医务人员利用人工智能相关技术辅助临床决策，改善患者的健康结局，充实现代医学实践的重要保障[13]。本文通过对医学人工智能教育现状进行综述，为推动人工智能教育纳入医学教育课程体系提供参考。
1.1 国外医学人工智能教育
1.1.1 教育内容
科学的人工智能教育内容是为人工智能发挥重要作用的未来培训专业医学人才的基础。国外医学人工智能教育大多依托高校开展，且对于人工智能医疗人才的培养已形成自己独特的课程体系和经验，主要围绕在人工智能的概念教学、人工智能在不同医学场景中的应用教学[14]。McCoy等[15]的研究表明教学内容应从使用、解读、解释三个方面了解在临床背景下人工智能的相关内容，包括人工智能基础知识、算法与程序语言、机器学习、应用场景、大数据与伦理监管以及对结果的解读和解释等，辅助临床决策并改善患者健康结局。在课程设置方面，根据不同层次，内容由浅入深，由基础到高级，充分调动学生学习的积极性和主动性[16]。同时人工智能技能必须与医学的非分析和以人为本的方面取得平衡，例如戴尔医学院通过缩短基础科学课程的持续时间，以适应领导力、创造力和沟通等软技能的培训，为未来培养更全面的医生[17]。美国医学会2018年提出了将人工智能纳入医学教育的倡议[18]，并已在多所医学机构实施人工智能教育的相关项目，例如斯坦福大学医学与影像人工智能中心以“实用”为培养核心，组织学生使用机器学习来解决医学相关问题；
美国卡尔伊利诺伊医学院为医学生提供了一门由科学家、临床专家和工程师组成设计的以学习人工智能等新技术的课程培训；
日本高校通过开设与医学研究科合作的医疗AI开发等课程，开展人工智能相关的通识教育，推动了人工智能+医学的综合型人才培养。此外，在继续医学教育(CME)中也开展了一系列人工智能培训，包括学会熟练掌握电子健康记录、数字伦理安全问题培训等[19]。但有研究表明在教育内容上由于人工智能知识具有更新快、专业性强的特点，尚未纳入医学教育核心能力体系中[20]，且在某些领域的研究还处于初级阶段，与医学专业结合仍需进一步完善和探索。
1.1.2 教学形式
依托课程教学的人工智能教育：多种教学方法是帮助医学生了解并掌握人工智能相关知识重要保障。国外医学人工智能教育部分主要是依托课堂教学[21]，在课堂教学的过程中提供以混合教学方法、讲座、研讨会等教学方法开展人工智能方面的课程和培训。例如墨西哥国立大学医学院开展的生物医学信息课程，通过线上、线下相结合的混合教育模式，围绕临床问题，由浅入深地开展教学活动，加深了学生对生物医学信息课程内容的理解[22]；
美国纽约大学为一年级、二年级医学专业学生开设的数字保健课程，运用混合教育模式，培训医学生使用大数据来改善护理质量；
美国贝勒·斯科特和怀特医学中心为住院医生提供了正规的生物信息学教育，通过积极引入大数据分析的概念，同时提供优质数据资源，提高了住院医生的在管理大数据方面的效率、利用率和处理水平[23]；
美国辛辛那提大学通过开展交互式研讨会，结合临床病例和智能手机应用程序来教学生学习贝叶斯概念，以鼓励学生运用这些概念和应用程序进行练习，培养提高医生诊断的准确性或患者的预后能力[24]。虽然在课堂教学过程中采取不同的教学方法，但在教学过程中主要以知识传递为主，体验式学习的机会较少，易忽视学生的主体作用和实践能力方面的训练。
依托实践项目的人工智能教育：目前，国外开展的医学人工智能教育大部分基于通过教学实践项目展开。宾夕法尼亚大学医院领导的为期一年的成像信息学奖学金项目[4]、欧洲顶尖的肿瘤医院之一Gustave Roussy，与法国两所著名理工学院开展的为期1年的癌症研究和人工智能联合项目、匹兹堡大学医学院开展的人工智能和机器学习在儿童护理中的应用项目[25]、杜克大学健康创新研究所组织开发的智能护理系统[26]等实践项目，虽然教学主题，实施方案不同，但均是通过人工智能实践项目平台，在医学教育过程中融入人工智能相关内容，使医学生在实践过程中掌握人工智能知识及应用。
依托课外学习机会的人工智能教育：在斯坦福大学医学院Prober博士提出要重新构思医学教育的行动号召下[27]，国外部分医学院校为医学生提供了人工智能课外学习机会，旨在培养精通人工智能和医学的医生人才[15]。例如加拿大多伦多大学医学院通过临床前课程向所有学生介绍计算机知识，以及“医学计算”证书课程，为特别感兴趣的学生提供实用的编程技能，增强了学生的兴趣，促进了计算机科学与医学之间的双向交流[28]；
美国放射学学院组织的人工智能杂志俱乐部，通过持续每月举行网络研讨会，讨论与AI/ML相关的最新发展、论文和新闻，让医学生及医务工作者学习有关人工智能的知识，培养具有人工智能专业能力的医生[29]；
麻省理工学院关键数据小组通过“数据马拉松”活动，即计算机科学家和临床医生合作使用数据解决临床问题的简短比赛，激发医学生对人工智能的兴趣[30]。通过这一方式有助于挖掘和支持医学生的才能和激情，促进医学与人工智能的双向交流，使医学生对人工智能的相关内容学习更加深入。
1.2 我国医学人工智能教育
我国医学人工智能教育发展相对较晚，现正处于从理论向实践的转变阶段。自教育部陆续颁布人工智能教育相关的政策文件，提出了新医科建设，我国加快了医学人工智能教育体系的建设，致力于培养具备人工智能专业能力的医学人才，并在全国开展了一系列医学人工智能教育培训和课程建设工作。
1.2.1 教育内容
我国医学人工智能教育起步较晚，对人工智能医疗复合型人才的培养方案仍处于探索阶段，尚未形成系统的、科学的人工智能教育体系[31- 32]。目前我国人工智能教育主题以人工智能在医学领域中的应用场景教学为主[33]，在多所高校陆续开展了新医科人才培养实践。例如2019年华为与复旦大学基础医学院合作开发了《医学人工智能和机器学习》课程，该课程包括人工智能在医学影像学、组学、电子健康病历等三大生物医学场景中的运用；
上海健康医学院在《机器学习与临床决策》课程中要求学生熟悉机器学习在医学中的应用场景，了解临床决策流程及各个环节的运作原理，强化实际应用，能够解释数据分析结果的医学意义，辅助临床决策等[33]；
北京协和医学院于2019年首创“卓越护理人才贯通培养改革试验班”，在新医科、智能教育理念引领下，其培养方案设计在保留特色的基础上，注重植入人工智能、大数据应用、康养护理、智能护理等教学内容，为未来护理学科的发展培育高端优秀领军人才，探索智能时代护理教育新模式[34]。但教育内容更加注重其技术应用教学，对人工智能的基础教学、创新应用教学较薄弱。李琨等[35]通过分析医学高专院校人工智能通识教育的不足，提出了从局部试行到全面施行的四步走策略建设人工智能通识教育教学方案，为提升当代医学生信息素养，丰富了医学人工智能教育内容。但目前我国医学人工智能教育内容尚不完善，且培养定位不明确、缺乏创新实践，未来仍需进一步研究。
1.2.2 教学形式
在医学人工智能教育教学过程中采用多种形式的教学方法是帮助医学生更好地接受人工智能内容并能够应用于未来医学工作的重要保障。目前，我国多采用案例教学方法、混合教学法，并辅以课外活动、研讨会、学术讲座、小组讨论等形式。
(1)以学生为中心，引导学生自主式学习
针对不同的教学内容，采用案例教学法、基于问题的教学法、混合式教学法、小组讨论等不同的教学方法，以学生为中心，教师指导为主体，引导学生积极参与，促进自主式学习。例如陆军军医大学通过以人工智能辅助宫颈癌早期筛查为案例，将深度学习引入教学中，以最终的项目实践为引导，结合小组讨论协作的形式，理解深度学习在医学领域应用的研究思路和流程，并从中深入理解神经网络的工作原理，有效提高了学生对抽象内容的理解，提升了学习效率和解决实际问题的应用能力[36]；
付淼等[37]以程序语言设计课程为例，运用Sandwich教学法训练医学生的计算思维能力，强调以学生为主导，通过教师引导授课，结合小组学习讨论、小组汇报、学生实践等提高学生自主学习的能力，激发学习兴趣，达到培养医学生计算机思维能力的目的。混合式教学模式是将传统学习方式和网络化学习二者的优势结合起来[38]，采用线上、线下相结合的教学方法，线上课程综合运用慕课、虚拟现实等多种教学手段，线下以学生为中心的基于PBL、CBL、翻转课堂等教学方法，并积极尝试“大班讲授+小班翻转”的分层次教学方法[39-40]，通过多元化的学习模式，充分发挥教师和学生的自主性和积极性，有效提高了学生的自学、分析和综合能力以及团队合作能力[41]，增强了学生对人工智能专业知识的理解，加速知识向技能的转化，但对教师和学生的编程语言、算法知识等人工智能基础知识有较高的要求，未来仍需要专业的人工智能医学教师。
(2)以科研创新为目标，积极开展课外活动
积极开展课外教学活动是拓展课堂教学内容的重要形式，提升学生科研创新能力。广东医科大学在除了信息管理与信息系统专业课程内增加人工智能知识外，积极开展课外实践教学环节，进行小班课外学习，通过多途径指导学生结合医学应用进行实践学习，激发了学生的参与感，有助于培养学生的实践创新能力[42]。各大高校通过设立跨学科新医学研究生创新基金项目、开发基于人工智能的医学图像学习系统[43]，推广医学生融入科研实验室，并鼓励本科或研究生在校期间积极参加各类实践活动[44]，例如软件设计大赛、“互联网+”“挑战杯”等创新创业大赛，组织学生参与到工程项目研发的过程中，促进医工融合，切实有效地培养学生的动手设计能力和科研创新思维能力[44]。此外，举办人工智能的相关学术讲座也是提高学生科研态度、独立思考能力的途径之一，邀请相关领域专家结合自身专业研究，分享人工智能最新技术的前沿知识等，引发学生对当前发展热点问题的关注。通过开展课外教学活动有利于拓宽学生的知识面，弥补课堂教学的不足，将实践项目落到实处，培养高素质的创新创业人才。
(3)以联合培养为模式，积极促进产教融合
创立学校、医院、企业的联合培养模式是推动AI医学人才培养的有效策略。例如天津大学与天津医科大学联合开设的智能医学工程专业采取的医学与工学教育并行开展的培养策略[45]、上海交通大学医学院通过“4+4”临床医学专业培养模式，吸收综合性大学工科优秀毕业生学生攻读医学博士，开展医工交叉培养、华南理工大学于2019年与科技型企业广州易和医疗技术有限公司展开校企合作，成立了华南理工大学-易和医疗智慧医疗联合实验室[46]、上海大学医学院与上海通用医学影像诊断中心联合建立了上海大学医学影像教学和科研基地，是智能医学诊疗专业研究生的实践和研究基地[41]。通过联合培养模式，加强跨校联合、校企联合，优势互补，学生可了解医院机构的临床病例和实践经验，了解临床需求和前沿，学会发现问题和解决问题，促进研究结果转化为应用于医学实践，完善医学人才培养体系[47]。
科学的评价体系与反馈制度对医学教育人工智能课程体系的制定具有重要意义，是提高教学质量的重要保证。目前国内外医学人工智能教学评价以量性与质性相结合的方式，多关注人工智能知识的客观衡量和学生态度的自我报告变化。其中知识评价主要通过理论考核、小组汇报、论文展示等形式评估学生对人工智能知识的掌握情况[48]，如开发的涵盖课程内容的MCQ考试[22]、运用Mycos报告评估教学质量[41]等；
态度评价大多通过自制问卷，调查医学生对人工智能教学的满意度，在教育活动、课程资源和对临床相关性的感知程度。目前国内外医学人工智能教育的教学评价方式虽然多样，但对人工智能相关技能领域的评价相对较少[49]，忽视了对学生的实践能力评价，易造成理论与临床实践脱节的现象。因此，在今后的人工智能教育实施中，需要进一步探索研究。
纵观国内外人工智能教育发展，虽然人工智能教育在医学教育中得到了广泛的关注和研究，但对教育内容、评价机制的开发尚不完善，教育内容尚未纳入医学教育核心能力体系中[50]，对医学教育的评估主要是通过执照考试，或通过专业活动的能力评估，但都不包括有关AI的内容[51]。有研究强调现有的医学课程全面而复杂，将额外的AI内容整合到当前医学教育课程中会增加课程负担[52]，因此将人工智能内容纳入医学教育课程体系中仍需进一步探索。目前医学教育仍未有效开展人工智能与医疗方面的知识普及，医学生对人工智能在医学领域的应用不熟悉，还没有正确认识到人工智能的重要性，医学生缺乏实施和使用人工智能的知识是医学人工智能教育的障碍[53]；
教师之间不同程度的AI素养也是阻碍人工智能教育的重要因素[54]，且与学生相比，一些教职员工的教学技能可能已经过时[55]，教学内容与专业结合度不高，缺少具有人工智能理论和实践经验丰富的医学专业教师。此外，技术的快速发展可能会导致“黑箱”现象[56]、隐私安全和数据控制问题、伦理影响、利他主义和同情心的培养[57]等，各组织必须准备逐步形成科学的监管政策，同时采取措施，以跟上新技术的加速采用，但目前尚未建立完善的监管体系。
随着医疗保健数字化的必然发展，开展人工智能教育是医学教育改革的重要推动力，医学生作为未来医学发展的主力军，肩负着救死扶伤的职业使命和社会责任，培养学生应用人工智能相关知识分析问题、解决问题的能力，是辅助临床决策，改善患者健康结局的重要保障。综合国内外医学人工智能教育现状，优化教育教学方式，完善教学内容，对促进人工智能教育纳入医学教育课程体系中有重要意义。未来的教育工作应侧重于：①制定科学的监管策略，加强对伦理与限度、安全与隐私等问题的监管；
②加强医学生及教师的人工智能素养教育，促进专业师资队伍建设；
③完善医学人工智能教育体系，重新设计教育课程的多学科方法；
④建立专业认证标准与考核体系；
⑤加快实验室共建共享等。