Enews350 在人工智慧時代重新構思醫學教育(1)

出自KMU e-News

在2019年3月14日 (四) 14:56由Okiayu (對話 | 貢獻)所做的修訂版本
(差異) ←上一修訂 | 當前修訂 (差異) | 下一修訂→ (差異)
跳轉到: 導航, 搜索

高雄醫學大學e快報 第350期  分享園地

在人工智慧時代重新構思醫學教育(1)

本校醫學院 劉克明名譽教授

  傳統的醫學教育主要是建立在大約一個世紀前, Flexner Report發表之後。從那時起,與醫學相關的科學以及群眾的醫療照護的需求,發生了重大變化,醫學教育隨之進行顯著的改革。但迄今仍有不少與醫療照護有關的問題存在,包括醫師明顯的不足,特別是在新興經濟地區,不但基層醫師的比例不足,而且專科醫師的分佈也不均。此外,部分醫師無法充分地適應科學的新發現,或他們的患者不斷變化的需求。最基本的,醫學院沒有足夠數量的臨床醫學教師是已經準備充分、有效的教育工作者,以及太少的醫學院為學生的終身學習和醫療制度的改變做好準備。事實上,醫學院應用偏重記憶為主的教學法訓練學生臨床照護技術,而學生實際演練臨床照護技術的時間也不充足。更甚的,醫學教育的高成本以及與當地醫療環境無關的教育計劃,剝奪了社區醫療照護急需的醫學專業知識,皆是醫學院需要解決的問題 (Jason and Douglas)。

  然而,醫學院要解決教育的問題時,面臨的最基本的挑戰是,臨床醫療正在迅速從資訊時代轉變為人工智慧時代。醫學教育界要如何在人工智慧時代重新構思醫學教育(Reimagining medical education in the age of AI)?

  醫學教育必須從資訊時代轉向人工智慧時代 (Medical education must move from the information age to the age of artificial intelligence):

  2018年8月的 Academic Medicine 期刊,刊登美國學術醫學中心學會主席與副主席Dr. Wartman 與 Dr. Combs的一篇文章 -- 醫學教育必須從資訊時代轉向人工智慧時代 (Medical education must move from the information age to the age of artificial intelligence),筆者獲得作者同意,翻譯成中文,謹將其文章重點摘述如下,以供醫學教育界推動未來課程改革之參考。

  現代醫學之父 威廉·奧斯勒爵士 (Sir. William Osler) 曾經說過醫學是一門不確定的科學,也是一種或然率的藝術。然而今日,這個歷史悠久的觀點,儘管未被挑戰過,但正在被更精緻化。醫療專業的不斷變化和醫學教育的改革,將使醫師更有效地進入現代醫療,這些都是白皮書和新聞報導常見的主題。常見的改革主題,包括重新的強調溝通、團隊合作、風險管理和病人安全。我們認為這些改革很重要,但還不夠充分。醫學教育的改革,需要更加注意解決從資訊時代快速的過渡到人工智慧時代,執行醫療的所有最根本的變化。這種轉變的後果,是要求重新制定醫學教育課程。這種重新制定的一個基本原則是,學生必須瞭解和處理 “資訊” 和 “人工智慧” 之間的差異。

資訊與人工智慧 (Information Versus Artificial Intelligence):

  資訊時代(大致從20世紀70年代到2010年代,機器學習工具的出現前),其特點是為了一個目的,準確的、及時地、具體的和有組織的運用數據,並在一個賦予它們意義與相關性的環境中呈現,而且導至增加理解和減少不確定性。在此期間,醫師面臨的主要挑戰是,確定有效性以及如何有效地運用此可方便運用的資訊。

  人工智慧 - 或電腦模仿人類認知 - 曾經只是一種未來主義者的願景。現在,電腦或電腦控制的機器人,去執行與聰明人 (intelligent being) 有關的一般工作的能力,是已經被廣泛地接受。更重要的是,“人工智慧”一詞應用於發展一套賦予人類心智歷程的特徵,例如推理能力、發現意義、概括和/或從經驗中學習的系統。 使用人工智慧的應用於處理數據,對醫學教育具有重要意義。當前,大多數基於記憶的課程,必須轉變為教導學生具備能夠有效整合,和利用來自越來越多來源的資訊之能力的課程。

  例如,管理在人體內與體外,可方便使用的傳感器 (sensors) 的數目和類型的成指數增加,以及它們與個人的和機構的資訊管理單位或組織的連接,只是人工智慧時代出現的挑戰之一。事實上,使用大數據的含義,包括醫生和他們的病人可方便運用的大量數據、機器學習(例如,Watson and Alpha Go)的使用複雜度日益增加、以及醫師和患者之間的知識差異的縮小,也對當前的醫學教育模型提出了實質性的挑戰。因此,無論醫師基於可靠的人工智慧去運用決策支持軟體,或是管理部署在醫院、患者家中或人體內的機器人,他們都需要受過這種新創式的教育。


enews350