人工智能技术赋能医学人才培养的应用与探究

Application and exploration of artificial intelligence technology empowering medical talent cultivation

摘要

人工智能日益普遍的今天，培养具备人工智能素养的高素质复合型医学人才成为医学教育的重要任务。国外的医学教育通常在学生完成本科课程后进行，医学生在本科阶段接受信息化技能培养；而中国则在本科时即开始医学知识系统教育。那么如何使中国医学生在就读期间接受信息化培养从而成为具备人工智能素养的高素质复合型医学人才，就是中国医学教育工作者需要思考的问题。文章以此为目标，采用实践研究、理论总结、模型分析等方法，创新地将适用于医学教育的人工智能技术归纳为四种模型并用于医学教育服务供给体系构建，研究和探索人工智能技术赋能医学人才培养的途径。

Abstract

With the general application of artificial intelligence, the cultivation of high-quality compound medical talents who master artificial intelligence literacy has become a crucial task for medical education. Medical education in foreign countries is usually conducted after students complete their undergraduate courses, and medical students receive information technology skills training. While in China, students begin to receive systematic education of medical knowledge at undergraduate level. Therefore, how to enable Chinese medical students to receive information technology training during their studies and become high-quality compound medical talents with artificial intelligence literacy is a problem that medical educators in China need to consider. With this goal, this paper applies methods including practical research, theoretical summary and model analysis, innovatively concludes artificial intelligence technologies which are suitable for medical education as four models and apply them into the construction of service and supply system of medical education, and makes research and exploration of the path of artificial intelligence technology empowering cultivation of medical talents.

Graphical abstract

关键词

医学教育 / 人工智能 / 复合型医学人才 / 人才培养

Key words

medical education / artificial intelligence / compound medical talents / talent cultivation

人工智能技术正在引领全球科学产业快速发展，培养具备人工智能素养的人才已成为国际竞争中增加话语权的重要举措[1]。人工智能与社会科学及医学各学科之间跨学科合作日益增多，医学发展也进入新的阶段，培养高素质复合型医学人才成为助力中国发展的重要手段。

1 研究背景及意义

新一代人工智能在教育教学的各种场景中应用得越来越广泛^［2］，国外对于人工智能教学应用的研究起步较早，而且多以实例为切入点。1958年，Skinner B F^［3］以强化学习动机为研究目标开发了用于教学的程序化机器；2009年，Puentedura R R^［4］建立了SAMR技术与教学整合创新模型，之后Rahimi和Litman等做了人工智能替代教师的研究分析；Kaoropthaia等^［5］提出采用数据挖掘技术两步聚类算法的智能诊断框架用以自动诊断报告学习者的阅读能力等。

目前，国内越来越重视人工智能在教育服务供给体系中的建设，人工智能与医学等学科的交叉融合日益受到重视，各高校逐渐形成“人工智能＋Ｘ”的复合型专业人才教育的新模式^［6］。目前，全国已有188所高校为本科生设立了智能科学专业，215所高校开设了人工智能专业。目前，该领域的实践日益增多^［7］，但在理论方面，尤其在医学教育领域，所进行的模型探究、归纳分析相对较少。

相较于理工文商人才培养，医学人才的培养有其独有的特点，例如医学生必修课程科目较多、学习专业性强等。国外的医学教育通常在学生完成本科课程后进行，而中国则在本科时即开始医学知识系统教育。如何使中国医学生在读期间能接受信息化学科培养从而提高整体学科素质、成为具备人工智能信息素养的高素质复合型医学人才，是中国医学教育工作者需要思考的问题。

为提高医学教育教学效果，首都医科大学非常重视信息化建设，也在不断尝试“人工智能+医学”的多学科交叉教育教学模式，以培养高素质复合型医学人才。近年来，学校在校园智能化方面增加投入力度，建成覆盖全校范围的教学研一体信息化系统（如图1所示）。医学院校教师能够有效地运用智能教学工具安排医学教学任务，医学生学习并使用智能教学工具以完成医学学习任务，医学科研团队综合使用智能设备进行各项医学研究，这些利用新技术手段的教学研过程本身就在推动复合型医学人才培养。

2 智能教学体系简介

2.1 建设过程

2014年，学校在原有多媒体教室的基础上积极探索利用新技术以促进课堂教学模式改革，先后建成7间能够支持以问题为导向、以现实情境具体问题和复杂任务为中心而展开讨论学习的项目式教学模式PBL教室，每间教室面积50～80 m²，可容纳20～40名学生同时学习，开设生理学、病理学、中医学、药学、生物医学工程和护理学等PBL课程^［8］。2019年，学校不断总结经验，结合教育教学改革的实际需求，深入调查研究，引进新技术、新成果，着手打造智能化、互动式、开放型、多样性的智能教学环境，为医学教学质量提供技术保障和发展助力，新增4间智慧教室和1间智慧机房，将前端教学、中端资源和后端管理融合在一起，形成一个互联互通的教学环境和全程数字化医学教育管理体系。

2.2 硬件设施

学校根据医学教育改革需求，重新构建教学空间，设计全新教学形态。例如：配置了多台触控一体机、分屏显示器，以及多种类型可摆放医学模型的活动桌椅及书写白板；提供能够自由分组的学习空间，从而提高PBL教学中讨论小组的独立性，增进师生良性互动，支持团队式（TBL）教学方法，为医学生带来更好的教学体验（如图2所示）。此外，还在校园信息网络上建成具备专业医学课程录播设备、支持VR系统的视听采集系统、虚拟广播系统和智慧医学教学软件的智慧机房（如图3所示）。这样的教学环境布局支持复杂的医学教学过程，增强医学资源的可视化便捷调度，实现复杂问题的多维度展示，通过优化医学教学内容的呈现方式以提高医学生对知识的理解和掌握程度。

2.3 软件配置

校园不仅配置了VR手术虚拟仿真系统、医学VR模拟仿真系统，还配备了将教学管理、教学资源、教学评估集于一体的智慧教学管理软件（如图4所示）。授课教师可以通过系统的网页版或手机移动端进行排课、备课、整理教学资源、安排教材、成绩评估等；学生通过各终端进行投票、答题及分组讨论等；督导员可以通过各终端实现对教学过程、教学结果的督导、课程评价及学情分析等。

3 人工智能技术赋能医学人才培养模型探究

课堂既是教育教学发生的主要时空，又是极其复杂的教学空间。教师在授课过程中很难对知识讲授与课堂学习状况进行观察与评估，容易出现学与教的偏差。如果采用人工智能技术中的数据挖掘、模式识别等对课堂空间、语音、答题情况等多模态数据进行分析，就可以全方位追踪教学情况，并多角度分析课堂教学痕迹数据，从而实现教学行为的智能诊断与监督决策的智能反馈。

首都医科大学以建成的信息化校园及智慧化教育服务体系为支撑，以智能教学环境为切入点，重点研究了新一代人工智能技术如何推动复合型医学人才培养模式的改革，以及如何以提高人才培养质量为目标建设更科学、更有效的智能教育教学体系。通过分析技术如何赋能教师在学情督导、教育决策、多元化分析、个性化教学等方面的能力，以及如何增强医学生自主学习、创新意识、人机协同等能力，建立以下两种模块和四种智慧化教育教学模型。

3.1 两大模块

①学生模块 处理学生对于知识和技能掌握情况的动态表示，包括基于医学生学习行为数据分析及学业诊断的智能分析模型和基于适应性学习策略进行形式化描述模拟的模型，用来对学生的学习计划、学习过程、学习结果等信息进行收集、处理并做动态分析，为增强学生自主学习意识提供技术支持。

②导学模块 用于设计与管理师生的教学互动，又被称为教学监督模块或策略支持模块，包括元认知策略、社会化策略的个性化学习服务模型，基于教学督导的监控和预测的决策支持服务模型。与学生模块互联互通，利用教学过程中学生学习行为数据和教师教学数据相互反馈为教师提供教学决策支持，在开展某些医学教学活动方面为师生提供建议，为个性化医学教学提供理论依据和技术支持。

3.2 四种模型

3.2.1 基于学习行为数据及学业诊断的智能分析模型

该模型是指将数据采集、模式识别、数据统计和数据挖掘技术应用于学习行为分析及学业诊断的模型。随着技术手段快速发展，可用于分析学习行为的数据种类更加多元和客观，能够突破原有教育模式，形成更精准的学业诊断系统。该模块是通过线上学习行为轨迹、线下课堂学习视频数据以及课后能力测试成绩进行数据保存及数据统计，之后利用数据库预设范围对比，进而达到精准反映学生知识能力结构的学习行为判断和学业诊断的目的。

3.2.2 基于适应性学习策略进行形象化描述的智能模拟模型

该模型是将计算机图形技术、大规模数据可视化技术用于学习行为、学习效果，及学习策略，并从学习行为中获得反馈的模型。随着信息技术的日益普及，随之产生的处理大量数据的技术也得以发展和提升。当较为底层的数据统计和数据挖掘技术快速应用时，也需要不断提升面向对象的形象化可视化描述技术，让用户更直观地理解数据。该模块采用批学习的大规模数据处理方法，提高数据可视化形象化描述的准确度及数据利用率，从而将大批量数据的习得经验覆盖到反馈数据空间，以达到适应性学习的目的。

3.2.3 基于元认知策略和社会化策略的个性化学习服务模型

元认知就是对认知过程的认知，简单来说就是学习的个体对于自己掌握知识过程的计划、控制和调整。社会化策略就是将学习的个体放置于一个社会化组织中，通过合作、竞争、对比以调整学习个体的认知过程，从而达到掌握知识的目的。该模型就是以人工智能技术手段，通过大数据预处理，将隐含于学生个体和学生群体的学习行为痕迹数据的信息进行提取并做形象化表达，以实现为师生提供个性化学习安排的服务。

3.2.4 基于教学督导监控的决策支持服务模型

高效且精准的医学教学管理督导工作是医学人才培养改革进程中的重中之重，利用人工智能技术可以建立有效的教学质量保障体系。基于教学督导监控的决策支持服务模型就是以大数据采集、存储和管理的智能感知层为基础，以数据挖掘及分析技术为支撑，通过大数据可视化技术将师生教学行为分析结果展现于督导端的模型。该模型还能够通过正反例结果反馈至系统端，采用试错最优策略将智能决策结果展现给教学督导，从而提高督导决策和教学服务的准确性和高效性。

以上四种模型相互依托、相互配合，各模型都有各自的数据流（实心箭头所示），这些数据流不仅可以通过各模型的输出输入接口单独调用，还能够与其它模型相互联结，从而形成一个完整的智慧化教育服务系统。以上四种模型的数据流向及逻辑关系如图5所示。

面对繁多而细致的医学知识，很多教师和医学生在课堂上都遇到过这样的一些问题：①教师在课堂上讲完一个病例但不知道学生们掌握情况怎么样，是需要安排课堂时间继续讲解还是进入下一个病例讲解。针对此类型教学问题，首都医科大学综合使用上述人工智能四种模型策略：教师在教师机广播系统下发送一个病例分析题目，医学生手机端答题，智能教学系统及时分析数据得出学生掌握情况，教师根据数据分析结果决定是否讲解下一病例，从而提高教师课堂教学效率（如图6所示）。②教师在讲授过程中认为某一病例分析已经被学生们掌握，则将PPT翻页进行下一讲讲解。但可能有些学生没有完全明白上一页的PPT内容，这时综合使用上述四种模型，将教师端正在播放的PPT与学生端联动，学生可以在某页PPT上做标记，教师能够实时看到学生标记情况，就可以在适当的时间返回标记PPT，重新为学生详细讲解所示知识点。

以上是首都医科大学将人工智能应用于教育教学领域诸多方向的部分场景显示，只要科学规划，有效利用，就可以让人工智能在教育、教学、服务、供给体系中发挥重要的作用，提高教学效率，增强人才培养素质。

4 人工智能技术赋能医学人才培养的思考

人工智能对当前教学方式的改变产生了深刻的影响，而且还会对未来医学教育继续产生变革性的影响。然而，在人工智能可以丰富医学教学手段、提升医学教学效果的同时，也会在某些方面产生一些风险，比如医学操作中的技术风险、医学数据的伦理风险等。因此，在实施智能化医学教育教学服务体系建设的同时，还要注意人工智能技术教育应用的风险与规避。在建立教育服务供给体系之初明确人才培养目标，以培养具备高信息素养的复合型医学人才为核心要义^［9］，选取适合的技术手段，将医学生各种学习行为数据有效整合和处理，发挥智能教学环境的积极作用，为医学教学改革提供积极支撑。

在资源投入方面，要紧紧围绕提高医学生人工智能素养的目标，以布置人工智能教学环境、使用人工智能教学工具为抓手。第一，可以超前构思满足医学院校师生需求的智能校园，组建、布局兼容性更强的校园信息网络，预留能够满足不同功能的软硬件接口；第二，尝试革新校园设备购置方式，采用共建共享方式购买成本较高的智能教学设备或服务；第三，为医学院校师生提供的智能教学工具和软件模块一定要多元化，能够为个性化教学提供技术环境和生态场景支撑，帮助医学生在熟练掌握人工智能方法的同时加深医学专业知识的认知，提高系统性思维和多学科视野^［10］，具备利用人工智能方法解决医学难题的能力。

在组织管理方面，各部门要明确培养高素质医学人才的目标与共识，落实医学教育人工智能体系建设。第一，可以将医学教师能否使用信息技术手段加强课堂教学效果纳入教学质量评价体系；第二，可以建立智能教学环境建设运维业务与信息化中心业务部门、基础建设部门的沟通机制，统筹规划学校教育服务供给体系的建设，合理布局数据平台及硬件网络，有效沟通、各方配合，充分发挥技术部门的凝聚效应，推动教育信息化2.0和数字化校园建设的进程；第三，相关智能部门要重视教师的智能教学能力培养，充分调动教师使用新教学手段的积极性，通过协助医学教师建设教学资源，为医学教师教学提供技术支持，将信息技术带进医学课堂教学，培养具备人工智能素养的高质量复合型医学人才。

参考文献

[1] 王树涛, 陈瑶瑶. 美国教育人工智能的战略、 应用与发展策略[J]. 当代教育与文化, 2020, 12(5): 17-25.

[2] 赵磊, 单梦悦. 国际数字素养教育的研究进展与趋势展望[J]. 中国医学教育技术, 2022, 36(3): 251-258.

[3] HOLMES W, BIALIK M. Artificial Intelligence in Education Promises and Implications for Teaching and Learning[EB/OL].(2019-08-01)[2023-06-21].

[4] PUENTEDURA R R.Transformation, Technology, and Education[EB/OL].(2019-06-22)[2023-06-22].

[5] VAJJALA S. Automated Assessment of Non-native Learner Essays: Investigating the Role of Linguistic Features[J]. International Journal of Artificial Intelligence in Education, 2018, 28(1): 79-105.

[6] 教育部. 教育部关于印发 《高等学校人工智能创新行动计划》 的通知 (教技〔2018〕3号) [EB/OL]. (2018-04-10)[2023-06-21].

[7] 李婧欢, 肖遥, 谢朗. 人工智能在医学人文教育的应用现状[J]. 中国医学教育技术, 2022, 36(3): 286-291.

[8] 王旭, 董君枫, 黄松, 等. 基于新媒体技术的医学院校PBL教学模式与教室建设探究[J]. 中国医学装备, 2019, 16(5): 113-116.

[9] 崔亚强, 甘启宏, 王春艳. 高校智慧教学环境的建设和运行机制思考: 以四川大学为例[J]. 现代教育技术, 2020, 30(3): 95-100.

[10] WENGE M A. Artificial Intelligence-Based Real-Time Communication and Ai-Multimedia Services in Higher Education[J]. Journal of Multiple-Valued Logic and Soft Computing, 2021, 36(1/2/3): 231-248.

基金资助

北京市教育科学“十四五”规划2022年度课题“新一代人工智能技术与高质量教育服务供给体系研究——以首都医科大学医学人才培养为例”(CHDB22188)