人工智能在高等医学教育中的应用前景

万 莉,贡丽英,吴 清,穆得超天津医科大学教务处,天津 300070;天津工业大学信息化中心,天津 300387

人工智能技术起源于20世纪80年代,现在正处于一次新的兴起阶段,已经在国际范围内引起广泛关注和高度重视。美国、英国、德国等先后制定了关于人工智能的部署计划,并且将人工智能技术列入国家战略。在全球化背景下,人工智能技术在我国也发展迅速,新的技术推动高等教育事业从数字化、信息化向智能化发展。在国务院印发的《新一代人工智能发展规划》(国发[2017]35号)中明确指出智能教育对未来教育发展的重要意义[1],标志着人工智能必将在教育领域产生重大影响。人工智能的出现在一定程度上推动了我国高等教育模式的转变,促进了高等教育质量的提高,充实了共享教育资源。但是,我国人工智能在高等教育领域还处于起步阶段,研究人工智能在教育领域的应用前景,剖析人工智能发展趋势对其应用于教育领域具有重要意义。

高等医学教育肩负着学科发展和行业需求的双重任务,一方面具有高等教育的普遍规律性,另一方面具有培养医学人才的特殊性[2]。满足社会医疗服务需求,保障医疗卫生事业发展是高等医学教育的首要任务。随着生活水平的提高与健康意识的增强,人们对基础医疗产生了多样化的需求,从而使高等医学教育与过去相比发生了很大变化,出现了很多新特点。高等医学教育具有终身性、课程具有综合性、教育标准具有国际性、功能具有社会性、技术具有现代性等特点,同时高等医学教育也迎来新的问题:①学生所学课程繁多,个性化教育薄弱;②教学管理过程未实现智能化,效率较低,人力资源耗费较大;③教师与学生缺少互动,教育协同化水平亟待提高。传统的教育手段已经不再适合现代高等医学教育,需要智能化的教育手段提供技术支持。人工智能的发展为高等医学教育带来很多新机遇,对医学教育体制改革的推进和医学教育水平的提高具有长远意义。文章针对现代医学教育的发展特点,分析了人工智能在医学高等教育中的应用前景。

1 人工智能在高等医学教育中应用的必要性

现代化技术为高等医学教育带来了新的教育途径,包括网络教学、计算机辅助模拟教学、利用大数据质量评价、全球资源共享等。在现代化背景下,高等医学教育必须紧跟时代步伐,将智能技术与高等医学教育相结合,将人工智能在医学教育中进行深层次的应用,才能产生新的教育模式从而更好地为医学教育发展提供帮助。

高等医学教育的过程是多阶段的,包括基础知识学习、临床见习、临床实习等,从而形成了教师组成多元化、学生实习地点分散化等特征,也出现了高等医学教育管理困难、信息反馈滞后等现象。人工智能的相关技术有机器学习、神经网络、数据挖掘等,利用人工智能技术使学生、教师、管理人员协调一致,增加沟通的流畅性,提高教育管理效率,严格把控教学质量,真正实现教育管理的现代化。

高等医学教育是综合性的教育,学生的个性化教育应该得到充分发展。人工智能技术通过跨学科专业的资源共享、个体特征分析可以优化资源配置、解决综合化的问题,建立终身学习机制,有利于加强人文教育,推动跨学科人才培养。通过分析汇聚的教学数据对学生进行学情分析,从而更好地掌握学生的学情信息,达到为学生提供个性化、多样化学习资源的目的。

在高等医学教育的教学过程中涉及到大量的临床场景与模拟练习,人工智能技术可以将智能教学工具带进课堂,使学生体会到智能场景与在线学习环境,实现教学过程的精准规划。智能技术的渐进应用必将推动教学模式、教学方法的改革,加强教学模式多样性,构成包含智能学习、交互式学习的新型医学教育体系。

2 人工智能在高等医学教育中的应用前景

1995年美国的Hurley Myers团队研发出DxR Clinician教学软件,该软件利用人工智能技术训练学生的临床思维;我国在2009年引入该教学软件,但并未大规模投入使用[4];2006年人工智能技术中的BP网络神经算法被应用于教学质量监控,替代人工日常教学监测[5];2011年自适应教育平台Knewton与培生教育集团合作,通过提取学生的学习数据,提供个性化学习服务[6];上述应用说明,人工智能技术已经逐渐应用在高等教育领域。在我国,智能教育刚刚起步,人工智能技术在高等医学教育中的应用前景非常广泛。

2.1 基于大数据的医学教育质量监测与评估

完善的教学质量监测与评估是提高教学质量的保障,基于大数据的教学质量监测与评估可以在日常教学过程中实时进行。通过分析大量的反馈信息进行阶段性与结果性评估,从而严格把控教学质量,以便为培养优秀的医疗人才提供保障。高等医学教育具有课程多、学制长、实践性强、专业综合化等特点,在教育监测评估系统中,包括规范的评价指标体系(如图1所示)与完善的信息反馈体系(如图2所示)。

图1 评价指标体系

图2 信息反馈体系

大量的反馈信息有利于教学评估的常态化与全面化,将人工智能评估和传统师生互动有机结合,解决了学生临床实习地点分散、监控难度大的问题,加强及时调整教学模式和方式的落实。

2.2 早期接触临床智能系统

当代的高等医学教育是以岗位胜任能力为培养重点的教育,早期接触临床课程是医学生从课堂到临床实习之间的过渡,目的是建立临床思维,提高临床能力。现在的早期接触临床课程多依赖于理论学习,不能真正将理论学习和临床实践有机结合[7]。早期接触临床智能系统可通过机器学习模拟患者思维,支持人机交互,利用语音识别与合成技术形成虚拟患者,营造特定环境。早期接触临床智能系统包括的功能和实际作用如表1所示。

在早期接触临床课程中,可让学生感受整个诊疗过程,提高与患者沟通的能力以及岗位责任;按专业的医师标准训练,为学生做出展示和评判;提高学生的专业自信心,成为解决临床问题能力和学习能力的重要工具[8]。

2.3 基于数据挖掘的适应性学习

医学专业学习课程包括基础和临床课程,以及医患沟通、心理学等人文类课程。除此之外,医学学习还需要实验及临床实践。在大量的学习任务之下,学生学习个体差异显著,适应性学习系统根据学生学习能力、教学模式等方面对学生个体进行评估,并制定个性化学习方案,使其从被动学习转变为自主学习与创新学习、探究式学习[9]。大量的反馈信息可以缩小教师教授内容与学生吸收内容之间的差距,利用在线开放资源,教师可及时对学生加强指导,使其尽快适应学习环境。人工智能技术可以为学生提供个性化的服务及预测,达到尽快适应医学学习环境的目的。

表1 早期接触临床智能系统功能与作用

医学学习数据具有数量巨大、多样性的特点,在基于数据挖掘的适应性学习中,使用的主要技术包括数据的存储、数据挖掘、处理等,整体技术架构如图3所示。数据挖掘技术可以在大量的数据中筛选具有价值性的数据,以便制定适合个体发展的结构化和智能化系统学习方案。

图3 基于数据挖掘的适应性学习技术架构图

2.4 医学教育云资源

将云计算技术应用在医学教育领域,可以建立提供医学辅助教育服务的共享医学教育云平台。医学教育云平台将数字图书馆、教学资源库、试题库以及大量的在线开放课程等独立的共享资源融合在一起形成符合教育规律的集中式资源共建共享平台[10]。云平台基于高速的数据通信、虚拟存储技术,为医学生提供了医学专业的内容支持,医学教育云平台的技术架构如图4所示。云服务在医学教育中的应用创建了医学辅助教育的新模式,对于提高教学质量、学习效率具有极大的优势。

图4 医学教育云平台构建技术架构图

人工智能是模拟人类思维和能力的智能技术,人工智能与医学教育相结合是在健康中国发展中人工智能技术在教育领域应用的新模式。在高等医学教育领域中,新的模式必将引起新变革,人工智能技术未来将在自适应学习、智能教学模式、教育管理等方面有着广泛的应用和发展前景,使教学过程更加个性化、多元化,并提供更加精确、高效的智能教学形式,从而推动教育研究和管理水平的提高。面对全球智能化的发展趋势,人工智能技术在高等医学辅助教育中有重要作用,同时也需要更加完善的政策和制度来提供保障。教育工作者应该积极的应对人工智能带来的变革,在更广泛的医学教育中应用智能的教育方式,推动医学教育改革与提升,促进智能教育的发展。