人工智能時代，如何培育復合型醫學人才？

　　當前，人工智能（AI）技術的迅猛發展正驅動社會各領域體系性變革，醫學研究與衛生健康領域迎來歷史性變革。AI通過提升診療精準度、優化決策效率、重塑服務模式，持續釋放改善醫療質量與患者體驗的革命性潛能，成為推進衛生健康體系現代化和醫學教育范式躍遷的核心引擎。

　　近日，國務院印發的《關于深入實施“人工智能+”行動的意見》中“人工智能+”民生福祉板塊重點強調了“探索推廣人人可享的高水平居民健康助手，有序推動人工智能在輔助診療、健康管理、醫保服務等場景的應用，大幅提高基層醫療健康服務能力和效率。”

　　“這無疑對醫學教育提出了新的要求。”廣東醫科大學多模態數據融合應用實驗室主任弓孟春接受《中國科學報》采訪時表示，在人工智能賦能衛生健康高質量發展的戰略機遇大背景下，我國醫學教育肩負雙重使命：既要應對技術迭代對醫生能力矩陣的顛覆性挑戰，更需前瞻布局數智醫療的人才基礎。

　　但目前，我國醫學教育卻面臨AI知識與技能在醫學相關專業的培養體系中薄弱、倫理規范本土化不足、醫學AI能力測評體系缺失等現實困境，亟需建立符合《“十四五”時期教育強國推進工程實施方案》要求的AI素養能力框架，為培養具備國際視野、適應智慧醫療生態的創新型人才提供指引。

　　鑒于此，多位院士專家結合循證證據與國際研究進展，形成了《醫學生AI素養能力清單及其測評框架專家共識（2025）》（以下簡稱共識）。

　　作為共識專家組成員之一，弓孟春表示，該共識的發布為醫學教育中AI素養的培養與測評提供了系統化路徑，助力培養適應智慧醫療發展的復合型人才。

　　人與技術的共生能力

　　共識指出，AI已經深度融入臨床輔助決策全鏈條，承擔診斷支持、數據解析及流程自動化等關鍵職能，引發醫學分工體系與職業能力的結構性變革。立足新醫科建設與醫學教育數字化轉型的背景下，醫學生AI素養已超越技術操作層面，升維為融合工程思維、倫理判斷與臨床決策的復合型能力體系。

　　為此，共識以“多學科、多地域、醫教研產融合”為組建原則，共邀請了52位相關領域的專家，遵循“醫學勝任力模型”的理論框架，未來醫生需構建“AI協作者”“倫理監督者”“數據治理者”的多元角色認知，在掌握生成式 AI 診療邏輯、醫療數據安全規范的同時，堅守人文關懷與專業判斷的核心價值，通過兩輪德爾菲法專家咨詢形成包含知識、技能、態度三個維度的21項能力指標（CAIP）。

　　共識將醫學生的AI素養定義為：醫學專業學生有效整合人工智能技術于專業知識學習、臨床或公共衛生實踐、醫學研究與健康管理所必需的綜合素質，涵蓋對AI基礎原理的認知理解、技術工具的批判性應用、倫理風險的審慎評估以及持續適應技術變革的能力傾向。

　　弓孟春指出，AI素養的本質是“人與技術的共生能力”——它既要求醫學生理解算法的語言，更強調以臨床智慧駕馭技術的不確定性。未來的AI素養建設應兼顧倫理敏感性與技術敏捷性，在技術進步與人文關懷之間實現動態平衡，從而在人工智能深度介入醫療的時代，更好地守護醫療服務的人本價值。

　　5項能力須優先關注

　　為適應AI時代的快速發展，共識明確了醫學生培養的四點定位和要求，即與AI自信合作、識別并應對AI相關的風險、明確法律與倫理責任邊界、確保患者隱私得到有效保護。

　　那么，如何構建醫學生AI素質能力呢？共識列出了的21能力清單，其中特別優先關注的能力指標有：

　　CAIP3（知識維度）理解人工智能在整合多學科知識、緩解專科細化及知識碎片化中的作用。該能力項要求醫學生能夠使用AI工具快速獲取、評估、整合及應用跨學科知識，識別因數據質量或來源偏差而導致的模型偏倚，了解訓練數據和模型設計可能引入診療決策的誤差風險，例如基于單一族群數據訓練的系統在其他族群中的適用性局限。

　　CAIP2（知識維度）掌握健康醫療數據治理的基本理論與關鍵技術。該能力項要求醫學生理解醫療數據在采集、存儲、傳輸、使用等環節的管理要求，確保數據處理過程符合相關法律法規及倫理標準，保障數據安全性、合規性和可持續利用。

　　CAIP17（態度維度）堅持醫生主導原則，合理利用AI輔助診斷。該能力項要求醫學生明確人工智能在診斷過程中的輔助性質，認識到所有診療決策應以醫生的專業知識和臨床判斷為主導，AI工具僅作為輔助決策的支持工具，不能替代醫學專業人員的獨立判斷。

　　CAIP12（技能維度）識別AI系統診斷結果中的潛在偏倚。該能力項要求醫學生在模擬或真實臨床場景中，能夠通過數據溯源、邏輯驗證等手段，識別AI系統診斷結果中的潛在偏倚，具備對AI生成內容進行合理質疑、驗證和修正的能力，從而提升AI在醫療實踐中的安全性和可靠性。

　　CAIP18（態度維度）醫生需對AI輔助決策負最終責任。該能力項要求醫學生明確理解醫生對AI生成內容的專業性承擔審查義務（如驗證診斷依據、排除算法偏見），并以最終決策簽字權構成責任基礎。若因未履行審查義務導致醫療事故，醫生承擔主要責任；若因算法設計缺陷或數據造假導致錯誤，醫療機構與AI開發者承擔連帶責任。

　　“我們建議通過知識測評、態度測評、技能測評、高風險場景測評、多階段動態測評等方式對醫學生AI素質能力進行考察。”弓孟春表示。

　　AI素養教育不是培養技術依賴者

　　共識建議，為系統提升醫學生人工智能素養能力，應從本科低年級階段、分模塊嵌入現有醫學教育體系，構建由基礎到臨床、知識到實踐的融合路徑。

　　“本科低年級（大一、大二）是開展AI素養教育的黃金窗口期，契合學生認知可塑性強、學科基礎構建關鍵的雙重特點。”共識執筆專家組組長、廣東醫科大學副校長曾志嶸表示，早期介入AI教育能有效培養系統性思維、數據思維及批判性思維，這些能力與醫學診斷決策高度契合。

　　而高年級醫學專業教育階段，應進一步推動醫學生理解AI技術本質與醫療倫理、掌握臨床AI工具應用策略、培養批判性技術價值觀。最終目標是構建“倫理-技術-臨床”三位一體的教育生態，使醫學生既善用AI之力，亦堅守醫學之魂。

　　在課程體系設置上，共識認為，醫學生AI素養教育需構建基于“知識-技能-態度”三維框架的整合式課程體系。該體系深度融合醫學專業課程與AI技術，協同科學教育與思政人文教育，包括醫療AI基本原理、臨床AI工具實操與通用大模型高階應用雙重路徑提升實踐能力、AI技術深度嵌入《診斷學》《內科學》等課程以及AI倫理與治理框架等。

　　據悉，為了探索醫學生AI素養的培養與測評的具體實踐經驗，廣東醫科大學建立的AI醫學院（GDMU-AIMS），創新性引入20余個全國知名臨床團隊建設的專病大模型，在醫學專業學生的培養過程中，實現“邊學邊用、教評一體”的AI素養培養新范式。GDMU-AIMS通過構建覆蓋理論學習、虛擬診療、實戰考核的全鏈條培養機制，為醫學專業學生提供沉浸式AI輔助診斷訓練場景，開發基于真實病例的動態測評模塊，建立與臨床能力掛鉤的AI素養評價標準。這種實踐導向的培養模式，能夠幫助醫護人員快速掌握AI工具的使用技巧，提高其與AI系統協作的能力。據悉，GDMU-AIMS將于九月份面向2025屆廣東醫科大學臨床醫學等專業新生全面啟用，帶來AI時代醫學專業人才培養的全新探索。

　　“AI素養教育的終極目標不是培養技術依賴者，而是塑造能駕馭技術、捍衛醫學人文精神的守護者。”弓孟春表示，該共識將秉持動態更新原則，不斷優化完善，為AI賦能醫學教育的理論研究與實踐探索提供前瞻性參考，并始終堅持醫學倫理和科技倫理基本原則，禁止任何試圖用AI完全替代醫患關系的行為。