Kanaparthy 是一名执业内科医生，专攻临床信息学。
如果当选总统唐纳德·特朗普 (Donald Trump) 提名琳达·麦克马洪 (Linda McMahon) 担任教育部长，如果获得参议院批准，她将在未来几年内应对人工智能 (AI) 时代教育日益增长的不确定性。特别是在医学教育方面，人工智能对如何明智地教育未来的医生提出了新的挑战。
除非医学院妥善管理和指导，现在帮助经验丰富的医生的人工智能工具可能会对实习医生产生不利影响。医学教育的领导者必须快速有效地区分人工智能在医学中的使用和人工智能在医学教育中的使用。
学医和行医是不同的
住院医师要求初级医生逐渐承担更大的责任，直到他们能够提供独立的护理。它需要很多年让实习医生培养经验丰富的医生的直觉和综合知识。
人工智能工具对每个人来说都是新的——专业人士、学生和教育工作者都面临着学习曲线。虽然经验丰富的医生必须学习如何将新工具应用到现有的常规和实践中，但他们正在积累长期经验和对如何护理患者的深刻理解。另一方面，居民们刚刚学会提供护理。虽然人工智能辅助工具可能会成为忙碌的学员的一份受欢迎的礼物，节省宝贵的时间，但它们可能会无意中充当捷径，可能会损害基本技能。如果没有通过住院医师培训培养的判断力、直觉和经验，早期职业医生可能无法发现错误由人工智能制作。
学习专家已经清楚地证明，人们在不同的人生阶段学习方式不同。例如，教育家马尔科姆·诺尔斯的研究表明，成人和儿童不吸收信息以同样的方式。同样，与经验丰富的同龄人相比，居民需要不同的教育方法。科尔布模型体验式学习提供了一个有用的框架：受训者经历具体经验、反思观察、抽象概念化和积极实验的阶段。每一步都加强了他们不断发展的专业知识，而学习的捷径可能是有害的。
例如，环境人工智能工具越来越多地用于监听患者与医生的对话；他们自动转录医疗记录供医生审查。此类工具可显着加快文档编制速度，被广泛吹捧为节省大量时间对于医生来说。但是，对于受训者来说，记录是一项重要的技能，他们练习吸收来自患者、患者图表和相关医疗文章的信息，使他们能够阐明并记录一个计划。尽管这是一个缓慢的迭代过程，但这磨练了住院医师的分析和诊断能力。通过外包医疗记录技能并且在培训期间没有教师的反馈，人工智能将剥夺居民的关键形成经验。
并非所有人工智能工具都适合训练
虽然许多人工智能工具专注于提高临床效率和患者治疗效果，但它们在教育方面也能发挥作用。生成式人工智能工具可以通过以下方式彻底改变医学教育：使用类似技术大型语言模型、自适应学习系统、虚拟现实和增强现实。这些工具可以在无风险的环境中创建沉浸式模拟、个性化学习计划和交互式患者场景。
要实现这些优势，个性化是关键。为了确保未来训练有素的医生能够明智地将人工智能与自己的判断结合起来，医学院和医院应该要求所有这些工具的开发人员在他们的产品中包含“实习生模式”。
旨在优化繁忙医生时间的系统不应盲目应用于仍在学习医学艺术的学员。这些自定义模式将为早期职业医生定制功能。根据特定产品及其用例，教师或主管应该能够调高或调低辅助功能。
这些模式的成功实施还需要对监督者和教育者进行教育。他们必须承担额外的责任，通过指出人工智能的陷阱并采取措施确保医生形成明智的人类判断力，确保学员适当学习，以及以负责任和道德的方式实践。如果世界末日到来，工具消失了，他们应该让居民做好同样出色的表现。
人工智能就是未来——如果我们尊重它的局限性和我们自己的局限性
毫无疑问，辅助人工智能工具是未来，就像当时的电子病历一样。当电子病历取代手写或打印的病历时，许多医生抱怨不已，但现在它们已成为常态。人工智能已经在拯救生命——预测患者败血症， 例如。如果我们想要获得尽可能最好的医疗保健，那么向学员传授和接触最有效的技术非常重要，但不能以建立健全的医学基础为代价。
我们生活在激动人心的时代，技术飞速发展。权力越大，责任越大。开发人员和教育工作者都必须为我们的学员量身定制人工智能工具。
Naga Kanaparthy，医学博士，公共卫生硕士，是康涅狄格州纽黑文市耶鲁大学医学院的一名执业内科医生，专攻临床信息学。他是耶鲁大学公共之声和专栏项目的研究员。