人工智能在医学人文教育的应用现状

李婧欢，肖 遥，谢 朗

南方医科大学：1.第二临床医学院， 广州 510515；2.珠江医院临床技能中心；3.珠江医院普通外科， 广州 510282

医学学科以学制长、任务重著称，要求医学生不仅要具备专业知识、实践技能和临床思维，还要有人文精神，而医学人文教育所培养的正是医学生的医者仁心及处理医患关系的能力。传统医学人文教育普遍存在课程枯燥乏味、课程形式老套、师资力量薄弱、未结合临床实践、教学评价考核方式单一等不足。人工智能(artificial intelligence，AI)属于计算机科学中的一个分支，是研究、开发用于模拟、延伸和拓展人的智能的理论、方法、技术及应用系统的一门新技术科学，主要应用于机器人领域、语言识别领域、图像识别领域、自然语言处理及专家系统。AI的关键技术包括大数据分析、机器学习(machine learning，ML)、计算机视觉、自然语言处理、虚拟现实(virtual reality，VR)与增强现实(augmented reality，AR)等。AI的兴起，对培养具有缜密医学思维、高人文素养的医学人才起了极大的正面作用，将其应用于课程教学、临床实践、考核系统、教学评估及管理中，对解除当前医学人文教育困境、全面提升中国医学人才质量、改善紧张的医患关系有着重要的意义。

1 AI应用于医学人文教育环境改革

AI技术应用于医学人文教育是指利用机器学习、自然语言处理、深度学习等AI技术，以实现教育的智能化。多重因素使得传统医学人文教育环境不利于达到深入人心的教育效果：①高校侧重以“自然科学”为主的教学，导致医学人文课程往往学时短或依附于医学伦理学等课程讲授，教师难以在短时间内对学生进行渗透式人文教育；②进入临床见习、实习阶段的医学生，由于医学人文“床边教学”不够完备、系统，使其难以深入领会人文精神；③“医疗技术至上”这一固化观念及超负荷的工作，导致医学生、医师在医学实践中容易忽视“人”[1]；④专业人文教育教师缺乏等。通过引入人工智能技术，协同互联网信息技术及大数据技术，对推动中国医学人文教育环境改革有着划时代意义。

1.1 优化教育资源供给，促进人文理念渗透

医学人文教育涉猎范围极其广泛，包括文学、哲学、法学、艺术、伦理学、语言学等学科知识，这些知识由于课堂时间短、师资力量不足等无法被灵活运用到人文教学中。通过建立智能、创新、内容丰富、与时俱进的AI网络教学资源平台(如表1所示)，对海量知识进行集成、分类，借助4G、5G[2]、WIFI等网络技术，充分发挥AI大数据分析、深度学习、自然语言处理等能力，从而服务于全时域、全空域、全受众。

表1 基于AI的医学人文教育资源平台应用举例

1.2 改善师资队伍，促进智慧教学行为发生

目前，中国医学院校医学人文教师队伍主要以马克思主义理论、哲学、心理学或医学学科背景组成，导致授课教师在课堂讨论学习中不能及时捕捉到医学专业知识与人文知识的融合点[3]。临床专业教师其临床专业素养良好，但往往注重临床案例的讲解而没有侧重人文理念。教师的科研、临床任务繁重，优秀的人文教育师资队伍在短时间内难以大量培养。而基于外部条件和个体经历的限制，教师往往很难做到因材施教。

AI时代，教师的角色将发生根本性转变，AI帮助教师从机械的知识传授和繁杂的教学行政事务中解脱出来[4]，使教师的育人角色变得越来越重要，趋向“AI+教师”的协作教学[5]。教师不再是课堂的唯一主讲人，AI将充当助教，让教师有更多的时间承担人文情感、医患相处态度、职业观、价值观等软知识的指导。AI依据其具有社交互动性、情境敏感性、连通性或个性化的智能设备逐步向可以与学习者、教师形成“人机学习共生体”[6]的方向发展，成为学习主体，加入培养学习者高阶思维能力的角色中。赋予AI人文要素之后，人机共生体通过互教互学的方式，共同发现问题、解决问题、创造知识，彰显人机共教价值。

1.3 促进教育公平，达成集体建构的医学人文共识

AI的应用促进人人获得优质、公平的医学人文教育的机遇，优质的医学教育资源迅速、高效、低成本地辐射到边远地区，进一步增加优质资源的普适性。在信息和AI技术支撑下，大量个体就统一内容展开有效学习所产生的学习效果倍增的形态即为群体智能[7]。而集体建构是指各个学习中心将自己的智慧奉献出来，在比较整合的基础上进行深入地对话交流，以此产生智慧间的联结，形成新的学习内容认知结构[8]。这种共识的达成实际上体现了对个体差异的充分尊重。随着共识的达成，学习也将逐步深入，其间的问题也会吸引师生展开更复杂的探索，如：很多医学人文案例难以拥有标准化、模式化的解决方案，不同场景下不同人采取的不同措施都有可能导致不同的结果。AI感知技术能探测社会性互动中的认知及情感分歧，并适时给予引导，从而营造良好的“社群互动”学习氛围[9]，只有在尊重差异的基础上，相互学习、彼此倾听才能实现人文教育的融通，才能促进教育公平的实现。

2 AI应用于医学人文教育方式变革

当前，医学人文教育面临着教学模式单一、考核评价刻板、教育管理低效等问题，而AI技术推动着医学人文教育的系统性变革，能从教、学、考、评等应用场景全面改善医学人文教育方式。

2.1 智能教学平台实现教学路径多样化

传统医学人文教学模式多呈现为“教材—教师—学生”的单线程模式，学生在医学人文学习中，未能发挥其主观能动性，缺少主动思考反馈，知识并没有充分内化。AI则助力于开创医学教育的新模式，以大型开放式网络课程(massive open online course，MOOC)、翻转课堂、微课堂等方式介入医学人文教育，更好地将以问题为导向(problem-based learning，PBL)、团队为导向(team-based learning，TBL)、临床病例为导向(case-based Learning，CBL)的教学方法[10-12]运用到教学场景中。教师借助AI进行混合式教学，使学生化被动为主动，可以极大地提高医学人文教育质量。

MOOC是指具有精细设计的高质量的课程内容、短视频设计、大规模学习者参与讨论等特征的网络课程，其具备网络化、开放化、个性化等特点[13]。如图1所示，MOOC以动画案例再现、讨论、精品课堂等多种方式，打造个性定制、逼真丰富、内容组织合理、学习问题提示恰当、评价反馈及时的学习环境。教师通过将教材内容提炼成一个个知识点，设置医疗纠纷场景，引入典型医患纠纷案例，使学生在MOOC平台实现团队协作，促进以问题、团队、病例为导向的教学改革[14]，促使学生以兴趣为驱动力，进行探索式自主学习，从而推动学习路径变革[15]。

图1 MOOC多向教学路径

2.2 机器学习技术推进教学个性化

对于学生而言，AI有助于鉴别诊断学习者学习水平、知识结构及认知风格等，可以为学习者提供学业水平发展报告，提出新颖独特的个性化学习路径，提升学习者的自我反思、自我监控和自我调节的认知水平，进而鼓励学习者做出积极选择，实现持续的学习价值创造。如记录学生试题中的常见错误、群体易错的人文案例分析、高频资源检索内容等，对学习者进行快速、准确、全面的“画像”，进而为其推荐相关学习内容。

对于教师而言，自动备课系统能够根据教师的教学风格、教学目标、学生特征等，在比较大量同一教学主题设计方案优缺点的基础上，提供合适的教学方案，在减轻教师工作负担的同时提供针对性学习干预指导[15]，做到高效的“因材施教”。

此外，教育大数据是人工智能技术有效应用的基础和前提，利用AI可以在校际、地区、国家和全球等范围收集、分析医学人文教育数据，引入“因地制宜”的地方代表性人文案例，进一步达成个性化的医学人文教学目的，从而使不同教育个体获得切实的智能学习体验。需要强调的是，要防止出现AI算法推荐、集成过程中的“信息窄化”[16]，精准推荐内容及协同过滤算法使得用户收到的信息具有极大的相关性及相似性，易形成极端个性化的个人主页，不利于用户对问题进行发散思考。应当加强人机协作、平台自律，让人作为信息的“把关人”，改进算法技术，削弱算法造成的极端个性化。

2.3 智能虚实结合促进实践教学场景化

传统医学人文实践教育受患者、场地的限制，医学生难以通过反复与患者交流进行深入系统的学习；带教教师多关注于锻炼学生诊断疾病及使用专业技术的能力，加之大量的临床工作，教师对学生人文素养的培养常常缺乏系统、全面的指导，导致医学人文教育常浮于理论知识层面。人工智能时代的医学人文教育则可以通过搭建AI支持的人文实践场景，促进学生更合理地运用人文关怀。

AI在虚拟病人系统(virtual patient system，VPs)中的应用能很好地解决模拟场景搭建面临的硬件设施昂贵、标准化病人(standardized patients，SP)成本较高等困境。国内外已经有大量VPs应用于手术模拟操作系统、辅助诊疗的实例，如DxR Clinician虚拟患者系统[17]、沃森(Watson)系统[18]、医学教育机器人[19]等，但具有医学人文和社会学意义的人工智能才是终极[20]。合理利用AI打造的“AI+虚拟现实仿真”将打破“AI不能表达同理心”的内在限制[21]，在中国医学人文教育中展现出非凡的应用效果。

人工智能虚拟咨询应用(virtual counseling app- lication using artificial intelligence，VCAAI)是一个应用AI进行护理教育沟通技能培训的虚拟咨询应用程序[22](如图2所示)，其搭载了强大的AI虚拟现实、机器人学习技术，具备SP的人类特征，可视化成一个3D头像形式模仿人类对话(包括语言和非语言)。学生可以通过基于真实的临床病例与虚拟病人(virtual patient，VP)进行侧重于沟通方面的互动。学生完成语音识别训练后，系统以第一人称的视角展示患者头像和特征轮廓，以及一系列与VP互动的潜在问题。学生在沟通技巧方面的表现、态度和自我效能感将以自填问卷的方式进行测量，AI整合学生的经验和反馈，结合用户评论纳入VCAAI，以此进一步完善和优化用户体验。

图2 VCAAI主要的AI技术支持及功能

临床技能中心根据教学内容，提供教学所需的模拟设施和模拟人，并创建具有临床真实病例特点的医学模拟场景，让学生置身于如同真实的医疗环境，解决医患沟通问题。模拟实践场景具有不受患者时间、病种影响，可模拟罕见、凶险危急重症患者的救治；可反复进行强化训练等优势[23]。结合AI评分、分析技术，利用VR等技术构造虚拟医疗环境，搭配相关AI电子传感设备，应用SP、VP、同伴角色扮演(peer role play，RP)，能更好地培养学生对患者的同理心，降低模拟教育的成本，缓解医学教育资源紧缺状况[24]。

人文素质的培养需要参与式和经验式的沟通技能训练，使用VPs不但能帮助学生发展临床推理、患者沟通、病史记录、体格检查和诊断技能，还可以节省培养一个高质量标准化病人所花费的人力物力，也避免了标准化病人产生焦虑、疲劳、身体不适等情况[25]。VPs可通过游戏化的方式[26]，设置不同的人文场景，根据不同的操作赋予不同得分、奖励，如在场景中选择了“共情”的选项，则可能获得更完整和准确的患者病史[27-28]。

Kononowicz A A等[29]的研究显示，与传统教育相比，VPs可以更有效地提高学生的临床推理、程序技能以及团队合作技能，VPs在全球具有适用性，学生将可以无限制地访问系统，解决了医学人文场景搭建资源短缺的问题，节省了SP培训时间及模拟设施的昂贵成本，为教师分担了临床人文教学压力。同时，医学教育工作者需要认识到，VPs并不能替代床边教学，使用VPs的过程中可能会出现AI理解不了使用者的逻辑思路，导致回答出现偏差，由于文化、语言的差异，VPs在开发上还要做出很大努力，需要不断更新语库及逻辑程序并配备优良的硬件设备，以符合AI时代多样化多元化特性。

2.4 智能考核评估系统保障测评方式科学化

AI可自动采集学生在人文课程学习过程中的行为特征，记录并整合其浏览课程、完成测试、参与讨论等方面数据，导出结果分析、汇总成绩，改变了传统学习评价重结果、轻过程，重群体、轻个性的局限[8]。

多种评价和反馈方式的综合评价成为AI评价的核心能力。例如，模拟医学人文教育中常用于评估学生具体行为并量化其沟通交流能力的方法包括评估临床伦理技能(assessing clinical ethics skills，ACES)工具[30]、临床表现考试(clinical performance examina- tion，CPX)、医患互动(patient-physician interaction，PPI)分数[31]等。

结合模拟设施、SP、VPs及考核评估工具，无论是理论考试的答题情况还是临床操作解决人文场景困境的能力，AI都可以进行综合的、多角度的整合分析。分析结果不但能促使学生“自行纠错”、加强巩固知识，使教师针对学生特性进行个性化教学、对教学行为和教学效果更有把握，还能推动教务部门督促教师进行课程改革，不断提升医学人文课程的教学成效[32]。

医学人文教育结合AI的应用同样需要保障伦理可行性，对于结合真实病例教学的AI产品必须充分保障患者、学习者及教师隐私，需要对大量的反馈信息进行加密管理，避免陷入复杂的伦理纠纷[33]；应用AI必须明确以学习者为中心而不应该局限在AI技术本身，尊重学习者和教师的自主性，促使其自主内化知识、发现知识。唯有正确认知AI与学生、教师之间相互联系、不可分割的关系，才能实现医学人文教育智慧生态圈的构建。

3 结束语

AI在医学人文教育中，无论是教学还是考核评估管理上都有着广阔的发展空间，其以独特的优势(即快速大规模的数据处理能力、对复杂输入输出关系的超强联合能力)改善了医学人文的教育环境，促进了个性化教育及高级智慧教学行为的发生。在未来的医学人文教育场景中，学生将利用AI教育平台、智能设备在虚实融合的环境中互动学习；教师将利用智能终端进行医学人文教育的过程评估；教学管理者可在大数据和智能化基础上创新管理模式[34]；AI工程师可将用户反馈用于进一步的研究开发。

然而，AI在医学人文教育应用上还面临着许多挑战，包括但不限于：①各级政府和教育机构需要积极推进AI教育计划，高校对AI的应用探索需要更加深入[35]；②中国现有的“AI+医学人文教育”多以理论探讨为主，实践应用研究较少，目前研发的AI产品费用较高，教学模式单一，仍需更大程度地结合不同教育场景；③中国大多数医学院校教师尚未充分运用AI技术来改革教育，面对纷杂的AI技术，医学工作者结合实际情况针对性选择合适学习平台的能力欠佳；④不同医学人文教育系统、平台间数据开放及共享程度低，制约着医学人文教育中AI技术的研发应用；⑤利用AI的过程中，对于AI模型做出决策时难以考虑到伦理问题，数据隐私安全等问题的探讨不够深入，对敬畏生命、医德及职业操守理念的强调不够重视。总之，基于大数据的AI在人文教育的应用需要渗透在医学教育的全过程中，未来的AI技术将成为医学人文教育领域不可或缺的一部分。