人工智能时代，如何培育复合型医学人才？

　　当前，人工智能（AI）技术的迅猛发展正驱动社会各领域体系性变革，医学研究与卫生健康领域迎来历史性变革。AI通过提升诊疗精准度、优化决策效率、重塑服务模式，持续释放改善医疗质量与患者体验的革命性潜能，成为推进卫生健康体系现代化和医学教育范式跃迁的核心引擎。

　　近日，国务院印发的《关于深入实施“人工智能+”行动的意见》中“人工智能+”民生福祉板块重点强调了“探索推广人人可享的高水平居民健康助手，有序推动人工智能在辅助诊疗、健康管理、医保服务等场景的应用，大幅提高基层医疗健康服务能力和效率。”

　　“这无疑对医学教育提出了新的要求。”广东医科大学多模态数据融合应用实验室主任弓孟春接受《中国科学报》采访时表示，在人工智能赋能卫生健康高质量发展的战略机遇大背景下，我国医学教育肩负双重使命：既要应对技术迭代对医生能力矩阵的颠覆性挑战，更需前瞻布局数智医疗的人才基础。

　　但目前，我国医学教育却面临AI知识与技能在医学相关专业的培养体系中薄弱、伦理规范本土化不足、医学AI能力测评体系缺失等现实困境，亟需建立符合《“十四五”时期教育强国推进工程实施方案》要求的AI素养能力框架，为培养具备国际视野、适应智慧医疗生态的创新型人才提供指引。

　　鉴于此，多位院士专家结合循证证据与国际研究进展，形成了《医学生AI素养能力清单及其测评框架专家共识（2025）》（以下简称共识）。

　　作为共识专家组成员之一，弓孟春表示，该共识的发布为医学教育中AI素养的培养与测评提供了系统化路径，助力培养适应智慧医疗发展的复合型人才。

　　人与技术的共生能力

　　共识指出，AI已经深度融入临床辅助决策全链条，承担诊断支持、数据解析及流程自动化等关键职能，引发医学分工体系与职业能力的结构性变革。立足新医科建设与医学教育数字化转型的背景下，医学生AI素养已超越技术操作层面，升维为融合工程思维、伦理判断与临床决策的复合型能力体系。

　　为此，共识以“多学科、多地域、医教研产融合”为组建原则，共邀请了52位相关领域的专家，遵循“医学胜任力模型”的理论框架，未来医生需构建“AI协作者”“伦理监督者”“数据治理者”的多元角色认知，在掌握生成式 AI 诊疗逻辑、医疗数据安全规范的同时，坚守人文关怀与专业判断的核心价值，通过两轮德尔菲法专家咨询形成包含知识、技能、态度三个维度的21项能力指标（CAIP）。

　　共识将医学生的AI素养定义为：医学专业学生有效整合人工智能技术于专业知识学习、临床或公共卫生实践、医学研究与健康管理所必需的综合素质，涵盖对AI基础原理的认知理解、技术工具的批判性应用、伦理风险的审慎评估以及持续适应技术变革的能力倾向。

　　弓孟春指出，AI素养的本质是“人与技术的共生能力”——它既要求医学生理解算法的语言，更强调以临床智慧驾驭技术的不确定性。未来的AI素养建设应兼顾伦理敏感性与技术敏捷性，在技术进步与人文关怀之间实现动态平衡，从而在人工智能深度介入医疗的时代，更好地守护医疗服务的人本价值。

　　5项能力须优先关注

　　为适应AI时代的快速发展，共识明确了医学生培养的四点定位和要求，即与AI自信合作、识别并应对AI相关的风险、明确法律与伦理责任边界、确保患者隐私得到有效保护。

　　那么，如何构建医学生AI素质能力呢？共识列出了的21能力清单，其中特别优先关注的能力指标有：

　　CAIP3（知识维度）理解人工智能在整合多学科知识、缓解专科细化及知识碎片化中的作用。该能力项要求医学生能够使用AI工具快速获取、评估、整合及应用跨学科知识，识别因数据质量或来源偏差而导致的模型偏倚，了解训练数据和模型设计可能引入诊疗决策的误差风险，例如基于单一族群数据训练的系统在其他族群中的适用性局限。

　　CAIP2（知识维度）掌握健康医疗数据治理的基本理论与关键技术。该能力项要求医学生理解医疗数据在采集、存储、传输、使用等环节的管理要求，确保数据处理过程符合相关法律法规及伦理标准，保障数据安全性、合规性和可持续利用。

　　CAIP17（态度维度）坚持医生主导原则，合理利用AI辅助诊断。该能力项要求医学生明确人工智能在诊断过程中的辅助性质，认识到所有诊疗决策应以医生的专业知识和临床判断为主导，AI工具仅作为辅助决策的支持工具，不能替代医学专业人员的独立判断。

　　CAIP12（技能维度）识别AI系统诊断结果中的潜在偏倚。该能力项要求医学生在模拟或真实临床场景中，能够通过数据溯源、逻辑验证等手段，识别AI系统诊断结果中的潜在偏倚，具备对AI生成内容进行合理质疑、验证和修正的能力，从而提升AI在医疗实践中的安全性和可靠性。

　　CAIP18（态度维度）医生需对AI辅助决策负最终责任。该能力项要求医学生明确理解医生对AI生成内容的专业性承担审查义务（如验证诊断依据、排除算法偏见），并以最终决策签字权构成责任基础。若因未履行审查义务导致医疗事故，医生承担主要责任；若因算法设计缺陷或数据造假导致错误，医疗机构与AI开发者承担连带责任。

　　“我们建议通过知识测评、态度测评、技能测评、高风险场景测评、多阶段动态测评等方式对医学生AI素质能力进行考察。”弓孟春表示。

　　AI素养教育不是培养技术依赖者

　　共识建议，为系统提升医学生人工智能素养能力，应从本科低年级阶段、分模块嵌入现有医学教育体系，构建由基础到临床、知识到实践的融合路径。

　　“本科低年级（大一、大二）是开展AI素养教育的黄金窗口期，契合学生认知可塑性强、学科基础构建关键的双重特点。”共识执笔专家组组长、广东医科大学副校长曾志嵘表示，早期介入AI教育能有效培养系统性思维、数据思维及批判性思维，这些能力与医学诊断决策高度契合。

　　而高年级医学专业教育阶段，应进一步推动医学生理解AI技术本质与医疗伦理、掌握临床AI工具应用策略、培养批判性技术价值观。最终目标是构建“伦理-技术-临床”三位一体的教育生态，使医学生既善用AI之力，亦坚守医学之魂。

　　在课程体系设置上，共识认为，医学生AI素养教育需构建基于“知识-技能-态度”三维框架的整合式课程体系。该体系深度融合医学专业课程与AI技术，协同科学教育与思政人文教育，包括医疗AI基本原理、临床AI工具实操与通用大模型高阶应用双重路径提升实践能力、AI技术深度嵌入《诊断学》《内科学》等课程以及AI伦理与治理框架等。

　　据悉，为了探索医学生AI素养的培养与测评的具体实践经验，广东医科大学建立的AI医学院（GDMU-AIMS），创新性引入20余个全国知名临床团队建设的专病大模型，在医学专业学生的培养过程中，实现“边学边用、教评一体”的AI素养培养新范式。GDMU-AIMS通过构建覆盖理论学习、虚拟诊疗、实战考核的全链条培养机制，为医学专业学生提供沉浸式AI辅助诊断训练场景，开发基于真实病例的动态测评模块，建立与临床能力挂钩的AI素养评价标准。这种实践导向的培养模式，能够帮助医护人员快速掌握AI工具的使用技巧，提高其与AI系统协作的能力。据悉，GDMU-AIMS将于九月份面向2025届广东医科大学临床医学等专业新生全面启用，带来AI时代医学专业人才培养的全新探索。

　　“AI素养教育的终极目标不是培养技术依赖者，而是塑造能驾驭技术、捍卫医学人文精神的守护者。”弓孟春表示，该共识将秉持动态更新原则，不断优化完善，为AI赋能医学教育的理论研究与实践探索提供前瞻性参考，并始终坚持医学伦理和科技伦理基本原则，禁止任何试图用AI完全替代医患关系的行为。