开人工智能处方：所有医生都需要更多技术培训

人工智能 (AI) 已经在改变医疗保健，但临床医生和医学生的数据科学培训在很大程度上仍然是选修课。绝大多数医生认为这种情况需要改变。

根据即将发布的 Medscape 报告，医疗保健领域人工智能的采用85%的执业医师同意：人工智能在医学中的应用将需要医学教育和培训发生重大改变。

接受本文采访的专家也同意这一观点。良好地运用人工智能辅助工具需要在医学院及其他领域大力推动教育。为了管理这项新技术、维持临床判断并保护患者，医生将需要更多有关人工智能如何构建及其所依赖的数据的培训。

能够操作机器的医生符合每个人的最大利益。

让医生掌控一切

明尼苏达州罗彻斯特梅奥诊所数字健康中心人工智能战略与框架高级总监 Shauna Overgaard 博士表示，更多人工智能教育对于医生在使用人工智能时保持自主感至关重要Medscape 医学新闻。

“这绝不是仅仅信任人工智能，”奥弗加德说。“我们希望医生保持他们的判断力、同理心和控制感——所有这些都会导致他们的怀疑。”

因为人工智能不是灵丹妙药，它有潜力在医疗保健方面做出重大改进，但它也会犯错误。患者和医疗保健系统需要医生知道如何利用人工智能为他们带来好处，但也知道何时对其解决方案提出批评。

奥弗加德说，正如医生被教导要仔细检查研究方法和统计数据或评估患者的新药一样，他们也需要具备对算法持怀疑态度的技能。AI 的输出有意义吗？使用哪些数据来形成预测？该算法对于哪些患者表现良好，哪些地方缺乏数据？

“临床医生不需要比系统更聪明，”Overgaard 补充道，“但他们确实需要知道何时打电话给 BS。”

归根结底，护理决定仍然是医生做出的。“我们无法放入图表中，人工智能告诉我们要做出这个决定，”迈阿密私人执业医生兼健康技术顾问奥伦·机械师 (Oren Mechanic) 说，他是医学博士、公共卫生硕士。

为了在人工智能协作和批评之间取得微妙的平衡，每个人都需要更多的培训。

数据科学基础

理想情况下，人工智能教育的基础应在本科医学培训的早期奠定。“我认为数据科学正在成为医学院课程的核心部分，”纽约市威尔康奈尔医学院的急诊医学医师兼人工智能研究员 Peter Steel 医学博士说道。实习医生将对人工智能有基本的了解。斯蒂尔说，他们将学习数据分析、机器学习、局限性和偏见等基础知识。

Steel 表示，一旦学生对驱动人工智能的架构有了深入的了解，他们就能够“批判性地解释其输出，并与自己的临床判断进行交叉核对”。通过这样的培训，他们将更有可能发现偏见、认识到幻觉，并知道当人工智能不同意自己的临床决策时该怎么做。

机械师补充说，只需一门课程即可奠定基础。然后，当学生在不同的培训和临床环境中接触人工智能时，他们的数据科学技能将不断得到完善。

Steel 表示，医生还需要接受培训，了解如何向患者提供基于人工智能的见解。他们需要能够解释人工智能输出的来源以及其可靠性。他补充说，有时，这些解决方案可能非常复杂并且无法完全解释。因此，医生需要具备赢得信任的技能。

迄今为止，数据科学培训大多是 –选修课程很大程度上是由感兴趣的学生推动的，”美国医学会医学教育创新副会长 Kim Lomis 医学博士在一份报告中表示美国医学会采访。洛米斯指出，医学领导层将人工智能培训内容纳入必修课程“现在变得紧迫”。

然而，添加新兴人工智能内容的前景可能会给教育工作者带来挑战：这些内容对每个人来说都是新的，包括领导力。“许多网站认为他们没有专业知识，”洛米斯在采访中说。医学院的任务是在短短四年内向学生教授大量课程。

答案很可能来自医学院之外。Steel 表示，为了满足学生的教育需求，医学院可能需要聘请先进的数据科学教师或与他们合作。

跨医学领域的培训

学员并不是唯一需要接受人工智能使用教育的人。专家表示，整个临床工作人员需要更好地了解如何提供人工智能增强、临床医生主导的护理。

就像本科医学教育一样，人工智能的研究生和研究生培训主要是选修课。梅奥诊所和肯塔基州路易斯维尔路易斯维尔大学等多家机构专门为医疗专业人员提供人工智能硕士课程。

但奥弗加德说，这可能并不对每个人都有帮助。她说，这些学位更集中于计划在其专业领域指导人工智能项目的医生。

斯坦福大学、达特茅斯学院、哈佛大学和麻省理工学院等许多机构都提供医疗保健人工智能方面的短期课程或证书。对于想要更深入地了解人工智能工具的医生来说，这些可能是不错的选择——尤其是在早期。

但我们所有的专家都同意，外部教育不会成为必要条件。医疗保健系统最终将负责在测试和推出人工智能工具时对其员工进行教育。

斯蒂尔说，如果员工感到忧虑或感觉装备不足，他们就不会采用人工智能，无论它有多好。如果医疗保健系统希望看到这些大型人工智能采购获得回报，就必须投资装备一线员工。

Overgaard 补充道，“我采访过的许多临床医生现在已经接受了教育。”Mayo [诊所] 已经在人工智能教育方面投入了大量资金，将其纳入他们的一些培训计划，并与像谷歌这样的开发者。

中型和小型系统可能会受益于涓滴效应。较大的机构将为无数的医疗保健用例测试和实施人工智能，并传递行之有效的方法。“作为这个拥有大量资金和智力的组织，我们有责任不仅仅是为我们自己服务，”奥弗加德说。— — 但是建立系统、提出建议并创建其他[卫生]系统可以采用和改进的框架。 —

多纳文·科菲 (Donavyn Coffey) 是一位驻肯塔基州的记者，报道医疗保健、环境以及影响我们饮食方式的任何事物。她拥有纽约大学阿瑟·L·卡特新闻学院的硕士学位和丹麦奥胡斯大学的分子营养学硕士学位。你可以看到她的更多作品有线,青少年时尚,科学美国人，以及其他地方。