Enews352 在人工智慧時代重新構思醫學教育(3)
出自KMU e-News
(新頁面: 高雄醫學大學e快報 第352期 分享園地 =='''在人工智慧時代重新構思醫學教育(3)'''== 本校醫學院 劉克明名譽教授<br/><br/> ;未來執業的必要技...) |
(新頁面: 高雄醫學大學e快報 第352期 分享園地 =='''在人工智慧時代重新構思醫學教育(3)'''== 本校醫學院 劉克明名譽教授<br/><br/> ;未來執業的必要技...) |
當前修訂版本
高雄醫學大學e快報 第352期 分享園地
在人工智慧時代重新構思醫學教育(3)
本校醫學院 劉克明名譽教授
- 未來執業的必要技能 (Necessary Skills for Future Practice)：
當我們進入人工智慧時代時，將需要新的技能和專業知識，包括更好地利用認知心理學的發現，人與機器在教育中更緊密的合作，以及更多地使用擬真。重點是在醫療服務中，機器的整合以及它們成為照顧患者的積極合作者。
認知心理學已經證明，事實和概念在它們將被利用的背景下被教授，實踐和評估時，是最好的回憶並被利用於服務。幾十年的臨床專業研究，已經闡明了醫師在評估症狀、選擇和解釋診斷測試檢驗結果、綜合各項數據，以決定臨床評估和醫療照護計劃時的思維。正如一位觀察者所說：“教育的標準，需要隨著科技的變化和數據資料的增厚，更創新、精緻化和改善“。
對於生物醫學科學的基本理解，及其與臨床技能和臨床醫療專業知識的相互關聯，應該仍然是未來醫學教育的核心，這一點將沒有任何異議。然而，21世紀的課程，還應該包括加強醫師在人工智慧支持的數據資料豐富環境中，更精確地執業的能力的內容。例如，學習者必須學會在接觸大數據的背景下決策。他們必須深刻理解大數據的四個V：數量（volume）-- 今天的數據量與過去的數量相比是巨大的; 差異 (variety) -- 數據來自許多不同來源，信效度不同; 速度（velocity） -- 數據生成的速度非常快，產出的動量迅速增加; 和準確性 (veracity) -- 需要評估產生的數據的品質。
學習者還需要透過人工智慧的應用，對於如何在醫療照護服務中匯集、分析和最後客制化數據進行基本的了解。 他們需要能夠廣泛地思考如何管理各種應用程序，無論是體驗決策支持軟體、機器人、還是更複雜的社交媒體的應用。 正如Dr. Yang和Dr. Veltri所說，“最關鍵的挑戰是，我們如何將醫療照護數據，轉化為精準醫學、預防醫學和建立預測模型的附加值。”
- 結論 (Conclusion)：
如何教育醫學生在應用人工智慧轉化的醫療環境中成功地執業，應成為當今課程改革的核心焦點。它需要認證人員全心全意的支持，他們願意更加開放於創新和實驗，並且能夠遠遠超越舊模式 -- 那些強調基於事實的記憶和臨床學習，然而這些記憶往往與學生未來的執業無關。
未來的醫學院畢業生，如果要在其專業執照生涯的尖峰有所表現，並適應基於價值的融資體系，則將需要參與新的終身教育模式。他們需要在整個醫療照護過程中，充分了解醫療照護專業人員的能力、加強他們在專業執業中的團隊合作、掌握資訊平台和智能工具的豐富知識、增強他們患者的服務技能、並加強資訊與智慧的有效利用，以提高績效和成果。這些專業屬性的基礎，必須嵌入醫學院教育課程中。
在整個課程中，必須強調並傳授額外的兩項技能：一項新技能，一項舊技能。首先是掌握統計學的專業知識，增強醫師在面對人類獨特的複雜性時，具備將數據平台產生的或然率的意義，與患者溝通的能力。第二個方面是不斷培訓和評估，以成為一位真正的同情心提供者，特別是當醫學變得越來越高科技化時，這一點絕對不容忽視。
換句話說，醫學教育將需要超越基礎生物醫學和臨床科學，以及不斷跟隨新興的診斷和治療趨勢而更新。它將需要進一步發展，包括將系統的課程注意力集中在各種專業人員的專業努力的組織、訊息和智慧工具例如機器學習和機器人等的運用，不斷關注改善績效和成果，以及確保掌握與患者進行富有同情心的溝通。
- 摘要：
醫療執業需要進行重大的醫學教育改革，此值得注意的改變已來臨。雖然這種改革的建議比比皆是，但它們還是不夠，因為它們沒有充分地解決最基本的變化 - 醫學執業正在迅速從資訊時代轉形到人工智慧時代。未來的醫療執業將越來越多地表現在：無論患者身處何處，都能提供醫療服務; 新成立的醫療隊提供醫療照護; 越來越多的多元數據資料庫和人工智慧的應用; 以及醫學與機器之間界面的熟練的管理。
要在這種環境中有效率，醫師必須在他們的執照生涯的尖峰上工作，擁有跨越醫療專業和照護連續體的知識，有效利用數據平台，專注於分析結果和提高績效，並與病人溝通大量產生的數據之或然率的意義，提出獨特的人類複雜性。
作者認為，需要“重新啟動”醫學教育改革，以更好的利用認知心理學，以及更注意於教育和執業中人與機器的合作。
醫學教育需要超越基礎生物醫學和臨床科學。系統課程注意力，必須把重點放在醫療方面的專業的努力之組織上。有能力運用有關大量數據資料庫的智慧工具、機器學習和機器人，但始終確保掌握富於同情心的醫療照護。
- 致謝：
筆者非常感謝Dr. Wartman (Steven A. Wartman, MD, PhD, MACP, President Emeritus Association of Academic Health Centers, Washington, DC., USA) 同意翻譯其文章。
- 參考資料：
1. 劉克明. 未來的醫學院與醫學教育發展趨勢。高醫大 E-快報348-349期. 02/20- 03/13/2019.
2. Jason H., Douglas A. Are the conditions right for a 21st-century medical school? The Lancet. 2015;385 (9969): 672-673. https://www.thelancet.com/journals/lancet/article/PIIS0140-6736(14)62480-6/fulltext.
3. Wartman S.A., Combs C.D. Medical education must move from the information age to the age of artificial intelligence. Acad. Med. 2018;93:1107-1109. [published online ahead of print October 24, 2017]. https://insights.ovid.com/pubmed?pmid=29095704.
4. Wartman SA, Combs CD. Reimagining medical education in the age of AI. AMA J. Ethics. 2019;21(2): E146-152.
