人工智能时代新医科人才培养探索*

张军要

（漯河医学高等专科学校，河南 漯河 462000）

近年来，随着大数据、人工智能技术的快速发展，人工智能在医疗中的应用也日益增多。使我国医疗健康服务格局发生了翻天覆地的变化，从传统医疗到数字医疗，再到智慧医疗，对医务工作者的技能要求也必然发生改变，这对医学教育也提出了新的要求，必须紧跟新发展、新需求，及时调整教学目标，将人工智能的相关知识融入医学教育，培养适应新诊疗模式的新医科人才。

一、人工智能在医学中的应用

1.辅助诊断

包括导诊机器人、虚拟助理以及电子病历智能质控等。智能导诊机器人可通过人机对话的形式，实现智能分诊、预约挂号、信息查询等服务，提高就诊效率。虚拟助理可通过语音识别等技术实现医嘱、电子病历的快速录入，并综合分析患者的病情特征、检验结果，推荐最佳的诊疗路径，大大提高医生的工作效率。例如一项研究通过人工智能技术分析56.7万名患儿136万余次的门急诊数据，进行了1亿多个数据点的分析，提取相关临床特征进行深度学习，建立AI辅助系统。在儿科常见病的诊断准确性上，该模型与经验丰富的儿科医生相当[1]。

2.医学影像识别

图像识别是较早应用到医学领域的人工智能技术。人工智能可从海量的数据中自动学习正负样本的差别，甚至是人类无法察觉的像素级差别。在人工智能的辅助下，影像科医生可提高诊断的效率和准确度，减轻工作负荷。在肺部CT影像中智能判断肺结节的良恶性，病灶轮廓勾勒、病理图像中判断肿瘤是否转移，搜寻病变细胞位置等领域有着广泛的应用。钟碧霞等[2]用4440幅结肠癌病理图像，对正常和肿瘤组织构建诊断模型，模型准确度在正常、中分化、低分化组分别为100%、94.6%、95.2%。

3.药物研发

传统药物研发需要根据实验结果，人工设计候选分子，再经过实验筛选，找到可成药分子，一直存在研发周期长，经费投入大，成功率低下等问题。而在人工智能的参与下，利用自然语言处理技术，从海量文献中分析出潜在的靶点，通过生成系统自动生成海量候选分子，并对候选分子进行分子性质、靶点结合能力的预测，根据限定条件进行虚拟筛选，研究人员根据虚拟筛选结果，有针对性地合成候选分子，再进行实际实验验证，大大节省药物设计时间，同时，提高药物研发的成功率。

4.健康管理

主要用于医疗健康大数据分析，综合个人电子病历、体检数据，以及个人智能穿戴检测的心率、血压、血糖、运动等数据，建立智能化个人健康档案，并进行健康测评，及早发现危险因素，对筛选出的高危人群及时通知管理者和患者，并提供个性化的健康保健、饮食建议或者就医指导服务。

二、人工智能相关技能素养

1.人工智能素养

首先，要了解人工智能的运作方式，只有理解人工智能的决策原理，才能更好地利用。总结以上应用，其技术基础，可分为计算机视觉、自然语言处理和知识图谱三大领域。

计算机视觉，即分析各类图像的技术，其中又细分为：第一，图像分类，如给出多张肺部CT图像，自动分辨哪些有肺炎，哪些是正常图像。第二，目标检测，如从病理切片中找到病变细胞，并能定位其位置。第三，实例分割，如在影像中勾勒出器官或病变区域的轮廓。

自然语言处理，用来分析各类文本的技术，大致又可细分为：第一，文本相似度分析，如智能问答系统，其内部储存了大量一问一答的问题，如果有人发起提问，系统会分析新问题与已有的哪个相似度最高，就把相应的答案返回给用户。第二，命名实体识别，如从一段文字中自动提取出疾病名称和药物名称等。第三，关系抽取，不仅要抽取实体，还要分析实体间的关系，比如从一段文字中抽取某一疾病的症状有哪些，哪些药物可以治疗该疾病。

知识图谱，利用信息抽取技术，分析各个实体间的关系，比如信号通路中各种信号分子间相互作用关系，医学文献中疾病与症状、疾病与药物的关系等等，构建类似“医学大脑”的医学知识图谱，再利用计算机强大的计算能力，沿着关系网络进行推断，比如根据症状推断可能的疾病，进而推荐可用的药物。

其次，要知道自己和人工智能如何协作。要清楚人工智能和人类各自的特点，相互配合，提高诊疗的效率和准确度。人类大脑擅长逻辑分析能力。而人工智能更擅长海量数据分析，可以分析远超人类的海量数据，但本质上其决策的过程是数学运算的结果，缺乏逻辑分析能力，因而尽管人工智能非常强大，仍然不能替代医生，而是医生的工具，医生在这些强大智能化工具的协助下，可以更快、更准确地做出诊疗决策。且不可过度依赖人工智能，仅仅把自己定位成智能设备的操作员。

2.人文伦理素养

尽管医学人工智能的应用前景广阔，但在实际应用中仍然面临诸多限制，缺乏解释性是其最重要的原因之一，目前多数人工智能是基于深度神经网络实现，其结论是海量的参数通过复杂的数学计算得出，与人类寻找证据推导结果的逻辑完全不同，因此，很难用人类的语言表述和解释，在不能解释其原因的情况下就给出诊治方案，很难获得患者的认同[3]。如果过于依赖现代的人工智能技术，缺少与患者交流，把诊疗过程变成“流水线”式的运作，缺乏“关爱”的医疗，将严重影响医患关系的和谐发展[4]。因此，智能诊疗模式下需要更强的共情、沟通等人文素养。

随着人工智能和医疗大数据的广泛应用，诊疗过程中对患者的数据采集也会更多，这大大增加了隐私数据泄露的可能性。个人信息泄露可能会被不法分子利用冒名进行犯罪活动。健康状况泄露可能导致患者在工作、生活中遭到不公平的对待，人群生物信息数据泄露甚至可能威胁社会安全。因此，应该加强相关法律法规学习，增加数据保护意识。

三、医学院校人工智能教育现状

人工智能作为一个理工学科，需要学生具有较好的数学基础，较强的逻辑思维和编程能力，医学生普遍工科基础薄弱，缺乏人工智能基础知识和编程经验，在有限的课时内让其掌握人工智能课程中所涉及的抽象原理和复杂算法，难度较大。同时，理工科的人工智能教材系统全面，但是难度太大，对医学专业来说，也没有必要系统学习，而针对医学专业的人工智能教材目前还比较缺乏。另外，医学院校普遍缺乏人工智能专业人才，师资匮乏也为教学增加了难度。

四、医学专业人工智能素养培养的建议

1.加强交流合作，培养师资队伍

要培养高质量的新医科人才，教师队伍建设是关键。“人工智能+医学”作为新兴的交叉学科，两个方向都具有极强的专业性，要培养交叉复合型师资队伍，首先要加强培训，从教师队伍中挑选学习能力强，有意向开展人工智能研究的老师，通过培训进修等形式提高人工智能素养。然后通过跨专业、跨学校、校企合作等形式开展项目研究或课程开发，多措并举，打造优质的新医科师资队伍。

2.设计有针对性的教学内容

对教学内容进行选择，较多的抽象理论和复杂算法会导致学生对该课程失去兴趣，从而降低学习效率。考虑到多数医学生缺少基本的编程经验，应设置python基础语法、常用数据处理方法等前导内容。此外，还需要针对医学专业特点，理论内容概述性介绍基本原理，尽量避免复杂的数学推导，实践内容选取人工智能在医学中的应用案例为教学素材，涵盖数据的收集、标注、训练、部署等流程。涉及编程部分尽量选取高度封装的库，只需简单调用接口，尽可能简化编程难度。

3.基于项目的教学模式

人工智能是实践性很强的学科，通过项目实践，实现一些智能化的功能，可极大提高学生的兴趣。同时，基于项目的教学模式可让学生全流程参与人工智能的产生过程，比如在计算机视觉部分，可与病理实训课程整合，学生学习某些异常细胞的鉴别理论知识之后，用图像标注工具标注异常细胞，作为病理课程的作业。之后指导学生将自己的作业制作成训练人工智能所需的数据集，并用目标检测套件训练神经网络，让学生通过项目实践，亲手完成一个具有自动检测病变细胞的人工智能项目。还可以在讲解神经网络优化方法之后，开展人工智能大赛，让学生分组参赛，学生们通过查阅资料、自行实验，得到更优的模型。最后还可以基于人工智能成果，开展应用设计比赛，将成果转化为应用，充分调动学生的创造力。再比如在自然语言处理与知识图谱模块，可以选取医学教材中的文本，以抽取文中疾病名称、症状名称、药物名称为任务，指导学生进行词性标注，模型训练，将相应的信息制作成知识图谱，最后基于知识图谱成果，开展创新大赛，引导学生设计自动分诊、疾病问答机器人等创新应用。

结语

随着人工智能技术的快速发展，人工智能在医疗健康领域的应用也必将越来越广泛，这对医务人员提出了新的技能要求，医学院校作为培养医务人员的摇篮，有责任捕捉新的需求动向，调整教学目标，探索新的教学模式，以培养适应人工智能时代的新医科人才。