人工智能在医学教育中的应用和发展

李文星 唐 军 屈 艺 母得志

（四川大学华西第二医院儿科，四川 成都 610041）

现代医学已经进入精准医疗、人工智能以及现实虚拟的时代，智慧医疗的出现将生命科学与信息技术完美结合，而医学教育也需要借助前沿科技来提升教学内容和教学手段。应用人工智能技术参与教育教学的历史由来已久，虚拟实训系统、智能机器人、虚拟网路诊疗平台已经参与到临床诊疗、教学和医生规培中。当前的大数据环境，智能化的飞速发展，应主动变革现有的教学模式，带领学生一起创优创新，重塑学习者的学习体验，重视个体化教学，推动传统数字化教学系统全方位的智能化升级[1]。

一、人工智能发展的历史

人工智能是以计算机科学、脑神经学和社会科学为基础的综合性学科，可以替代人类进行识别、认知、分类和决策等多种功能。人工智能在发展的过程中相继产生了如符号主义、连接主义和行为主义等学术流派[2]。这些流派的相辅相成推进了人工智能的发展，先后经历了逻辑推理、知识工程、数据挖掘三个时段。

1950-1970年代，人工智能的“推理时代”。许多研究者尝试通过模仿人脑的结构或功能来建立一个以模拟人脑为主的智能机器，相继出现了一批显著的成果，如机器博弈、自动定理证明、跳棋程序、LISP表处理语言等。由于消解法推理能力的有限，以及机器翻译等的失败，使人工智能走入了低谷，具备了逻辑推理能力的机器，还远远达不到智能化的水平，只重视问题求解的方法，忽视知识重要性[3]。1970-1990年代，得益于计算机的发展，人工智能进入的“知识工程”时代。1979年第一台电脑控制的自动行走器“斯坦福车”诞生。1983年世界第一家批量生产统一规格电脑的公司“思考机器”诞生。1985年哈罗德·科岑编写的绘图软件Aaron在人工智能大会亮相。以及化学质谱分析系统、疾病诊断和治疗系统、探矿系统、语音理解系统等专家系统的研究和开发，将人工智能引向了实用化。专家系统也存在不足：推理方法单一、没有分布式功能、缺乏常识性知识等等，仍无法在真正意义上达到智能化水平。随后机器学习、人工神经网络、智能机器人和行为主义研究推动人工智能趋向深入。2000年至今，人工智能的“数据挖掘”时代。数据具有4个典型的特征：多样性、体量、速度和价值，处理海量数据直接推动了人工智能的发展。从单纯依赖于数据驱动的模型到数据驱动与知识引导相结合学习，深度学习带来的语音识别、机器视觉、翻译得到普遍应用[4]。Alpha Go基于深度神经网络击败中韩围棋高手就是目前人工智能的高水平代表之一。而云计算、芯片、超级计算机的出现带来了人工智能发展的又一次高潮。

人工智能技术在医疗领域的应用主要集中于医疗机器人、药物研发、影像识别和健康管理四个领域。医学生毕业后的相关职业考试有执业资格考试、专业技术资格考试等，其中卫生专业技术资格考试从2007年起已经逐步推广应用人机对话考试的方式[5]。将大数据信息平台和人工智能、现实虚拟应用到医学教育中，这为临床教学、医师培训、医疗实践以及改善医患交流带来积极的影响。例如清华大学医学院建立“智慧现实虚拟临床教学中心”，率先开启了医学院校“人工智能”临床教学培训新模式。

二、人工智能在医学教育中的应用

1.虚拟网络学习平台

医学教育包括理论授课和临床实践，需要医学生掌握正确的临床工作方法，同时培养临床思维。利用人工智能和大数据平台，建立科学的临床思维能力评估模型和方法对于医学教育和实践特别重要，也可以理解为虚拟实践。例如以“治趣”为代表的以临床思维训练为核心的虚拟诊疗互联网平台，通过构建一套临床诊疗能力评估体系，给教育对象进行不同阶段的“临床胜任力”综合评估，提供临床思维训练新模式。针对医疗机构、学员，依据教学目的形成个体化的学习目标与学习计划。学生可以对虚拟病人进行问诊、体检、辅检、诊断和治疗。之后可以与病人进行对话，获取病人相应的体检报告，根据体检报告判断病情，做出规划诊疗方案。通过虚拟实践，学习将会变得更加具有主动性、自觉性，形式也将多样化。

虚拟网络学习系统的出现不仅能快速培养在校医学生临床问题的解决能力，也能节约教学成本，提高教学质量和效率，达到优质教学资源共享。在充实临床教学内容的同时，培训了拥有经验丰富及创新思维的教师，促进了医学生临床基本知识的掌握、并有效培养医学生临床思维能力。

2.虚拟实训系统

医学生的培养离不开实践训练，具备扎实的诊断学功底是其今后从事临床工作的基础。传统的诊断技能包括问诊、体格检查、读图阅片（心电图、胸片）、四穿一导（胸穿、腹穿、骨穿、腰穿、导尿）等等，这些诊断技能是医学生必须掌握的最基本、最核心的技能[6]。《执业医师法》规定无执照医学生不得单独进行诊疗操作，所以学生在实习阶段也缺乏操作机会。一方面是教学内容枯燥、模式单一，学生难以理解、掌握，另一方面是学生在医院实习阶段动手机会少，导致传统的教学质量很难提高，这是医学教育改革迫在眉睫需要解决的问题。而虚拟实训系统的出现可以解决这一难题，提高临床技能操作教学质量。如清华大学医学院借助“人工智能技术+全定量现实虚拟技术”，患者的影像数据可以转换成全息化的人体三维解剖结构，并映射在虚拟空间里。医生可以对器官和病变进行立体几何分析，对于注重精准、微创和个体化的现代外科手术很有意义。学生也可以借助平台完成虚拟解剖作业、模拟不同的手术方式、设计手术方案等[7]。

虚拟现实技术的学习需将操作技能与非操作技能训练相结合,在加强基本手术技能训练的同时，又可以掌握特殊手术步骤。医学生在虚拟手术过程中锻炼手术技能，并且可以身临其境地感受到手术紧张感和实战状态，提高学习效率[8]。

3.智能机器人

科大讯飞研发的人工智能机器人“讯飞智医助手”，成为全球第一个通过国家医师资格考试的机器人。目前机器人技术在医疗领域的应用正在迅速发展形成为一个新的产业，辅助外科医生进行手术也越来越普遍。利用机器人和虚拟现实场景也能够辅助学生操作培训，为学生提供实践训练，同时又不让患者面临风险。

人工智能机器人具有精确、稳定、高效性的特点，可以在数据分析的基础上模拟临床操作，给刚进入临床实习的医学生示范正确的手术动作。由韩国研发的“母子”机器人，它不仅可以模拟产妇分娩过程，还可以模拟产科手术过程中一些较为复杂的状况，真实还原分娩情景，帮助学生直观地学习，积累临床实习经验[9]。

4.助力科研

在科学研究领域，大数据挖掘需要人工智能技术。大数据分为结构化数据与非结构化数据。结构化数据即行数据,存储在数据库里,可以用二维表结构来逻辑表达实现的数据,非结构化数据,包括所有格式的办公文档、文本、图片、XML、HTML、各类报表、图像和音频/视频信息等等[10]。分析这些数据并不简单，涉及人工智能技术。

沃森是一款IBM公司打造的医疗认知计算系统，目前已用于乳腺癌、肺癌、直肠癌等多种肿瘤的治疗决策。根据患者的一般情况对现有医疗库进行数据匹配和分析，帮助医学生找出最有效、最个性化的癌症治疗方法并加以学习，这同样也是各方案的循证支持和指南来源。最新的Cell杂志发表了题为“Identifying Medical Diagnoses and Treatable Diseases by Image-Based Deep Learning”的论文，提到利用转移学习技术开发了一个人工智能系统，对黄斑变性和糖尿病视网膜病变的图像进行了有效的分类。它还能准确区分小儿胸片上的细菌性肺炎和病毒性肺炎，这在生物医学成像中具有广阔的应用前景[11]。

现代的生物医学涉及基因组学、蛋白组学、代谢物组学，判断引发疾病改变的病理生理因素也越来越多，诊断指标多达数十乃至上百。人工智能可以提高医学数据的测定和分析过程的自动化程度，对图像等进行扫描和精准解读，减少人主观随意性，对于科研和临床诊疗意义重大[12]。

三、结语

除了上述方面，人工智能还可以很好地运用到处理学生事务中去。包括提升辅导员日常管理能力，开展精准助困、评奖、评优工作等[13]。当然人工智能在临床教学的应用也存在一些缺陷，比如机器购买成本较高，系统调试复杂，对操作人员培训周期较长，学生在实践的过程中体验感不流畅等等。强调的是人工智能虽然可以通过技术实现智能增强，帮助学生提高临床思维和动手能力，辅助解决复杂的医学问题，总结和学习医学专家的宝贵理论及丰富的临床经验，探索新的知识，但并不是要取代人的地位，人工智能的优势更多地体现在重复性劳动能力比人高效。人类的想象力、独创思维、交流能力是无法替代的，未来的发展需要人和人工智能的完美结合，既需要人的主观能动性，又要借助人工智能的精准高效。医学生可以利用这一利器提高学习效率，但更需要在诊疗过程中观察患者的表情、神态，给予患者心理安慰和人文关怀，培养提高临床思维、创新能力，这些都不是计算机算法能够取代的。