（点击👆，免费获得生物医学前沿研究最新进展）
2024年诺贝尔物理学奖和化学奖都授予人工智能的研发人员。这并不是物理学或化学的没落，相反，正是而是反映了这个时代的最新需求：基础科学的创新，产生了人工智能的爆发。是的，我们已经进入到了人工智能的时代，甚至您都无法辨别您现在正在阅读的内容是否有AI产生。（悄悄告诉您，是真人写的）
但我们的工作效率确实大幅提高，一个人已经能够做之前3个人的工作量；更关键的是，对于新人来说，AI在科研设计、论文撰写、基金申请等方面，可以以一周的工作量完成之前数月才能收集、学习并掌握的熟练程度。
所以，当我今天读到“Harvard Medical School is building artificial intelligence into the curriculum to train the next generation of doctors”的文章时【1】，我并没有感到惊讶。但我仍然想把这篇文章的核心内容分享给大家，因为对于医学生、医生及患者来说，这篇文章里面传递出来的信息都是太重要了。
在2022年11月公开发布几周后，ChatGPT 就开始变得无处不在。哈佛医学院的医学教育院长Bernard Chang开始思考这对医学教育的未来意味着什么。“也许每隔几十年，我们的教学方式和对医学生的要求就会发生一次真正的革命，”
到了 2023 年，研究已经发现，ChatGPT 的初始公开版本可以在美国医学执照考试中达到及格水平。2023 年 3 月发布的更强大的 ChatGPT 版本在一些医学知识和临床推理测试中的表现超过了医学生、住院医师甚至执业医师；而如今，有许多大型语言模型与 ChatGPT 的能力相匹配。那么，这将如何影响今天的医学生--以及教育他们的机构呢？Chang 说，医学教育的最后一次这样的革命发生在 1990 年代中期，当时互联网变得广泛可用。“一开始我们只是在上面玩游戏，”他说。“但它很快就变得不可或缺，这就是现在生成式人工智能所发生的事情。几年之内，它就会被内置到所有东西中。”Chang对于用互联网玩游戏的经验，让我想起了Demis Hassabis，2024年诺贝尔化学奖得主。Hassabis在年轻时就对游戏非常感兴趣，甚至曾参与过游戏开发。他曾与英国游戏行业传奇人物Peter Molyneux合作，并创立了自己的游戏公司Elixir Studios，开发了《邪恶天才》等知名游戏。这些游戏开发经历为他提供了宝贵的经验，培养了他对解决复杂问题、设计和编程的兴趣和能力。这些能力为他后来的AI研究打下了坚实的基础。
Hassabis最终选择了转向人工智能领域，他创立了DeepMind公司，成为早期最知名的人工智能公司。
废寝忘食地投入，多是基于爱好；不是吗？
基于对AI的观察和理解，Bernard Chang已经开始在哈佛医学院的教学中纳入生成式人工智能（也称为 genAI）课程。“我们没有退缩，等待观察其他学校在做什么，既是因为作为一所机构，我们希望走在这一领域的前列，也是因为这对我们的学生来说是正确的做法。”
该课程研究了人工智能在医学中的最新应用，批判性地评估其在临床决策中的局限性，并至关重要的是，“让学生们相信医学将在未来有所不同。在当今时代，如果他们想成为一名医生科学家或医生工程师，这是 HST 课程的目标，他们不仅需要成为一名优秀的倾听者、优秀的医学资料采集者和优秀的床边医生。他们还需要良好的数据技能、人工智能技能和机器学习技能。”
除了医学教育，哈佛医学院这个学期开始的博士课程，医学人工智能（AIM），正在进一步推进人工智能集成教育。哈佛医学院 Blavatnik 研究所生物医学信息学系主任、Marion V. Nelson 生物医学信息学教授 Isaac Kohane 说：“生物信息学学生越来越多地说他们对人工智能感到兴奋，并询问我们是否可以提供人工智能博士学位，”
“我们不知道会有多少需求，但最终我们收到了 400 多份申请，我们提供了七个名额。”
同样为了这个目的，哈佛医学院为对该技术感兴趣的医学生和教职员工开设了第三条途径：院长创新奖，用于在教育、研究和行政方面使用人工智能，该奖项于去年宣布，并为每个选定的项目提供高达 100,000 美元的资助。“这些基金资助真正表明哈佛医学院在尝试将这些惊人的新工具整合到我们的工作和学习方式方面处于领先地位，”
Arya Rao 说，他是一名 MD-PhD 学生，也是一名获奖者，研究用于临床培训的人工智能。与哈佛医学院附属的医院也正在将人工智能纳入其临床工作流程。例如，布莱根妇女医院正在测试一种环境文档工具的使用，该工具可以记录临床笔记，以便医生可以花更多的时间与患者互动。Chang 介绍说，随着这些工具的实施，他们将允许学生专注于与患者交谈，“而不是不断地转过身去看屏幕。它还将帮助他们更快地转向更高水平的学习和更高级的话题以及我们想要医生做的其他事情，比如倾听。”教育研究生办公室教育学术和创新助理院长 Taralyn Tan 更是强调：“AI实际上是一种重新融入临床实践中的人性维度的机制，通过减轻医生许多行政任务的负担。”
在充分利用AI的同时，学习环境指导委员会主席、埃伦和梅尔文戈登医学教育杰出教授Schwartzstein也强调推理和批判性思维，”“床边临床医生如何很好地使用它？临床医生必须警惕什么？临床医生还需要擅长什么才能正确使用人工智能？”
Schwartzstein 指出，人工智能可以帮助医生追踪来自世界各地可能接触过的病原体，但医生不熟悉这些病原体。“我现在可以通过互联网做到这一点，”他说，“但人工智能可以进行更广泛和更快的搜索。不过，缺点之一是它不会告诉您正在查看哪些来源，因此您无法确定信息是否来自您信任的期刊。”对于解决策略，Schwartzstein强调：双重检查人工智能的结果是关键，同样重要的是能够将它提供的选项与患者的实际症状和病史相匹配。chwartzstein 担心有的学生可能过度使用人工智能的领域是分析实验室数据。“解释测试和使用归纳法有助于他们学习批判性思维，”他说。“大多数因可能诊断错误而引起的医疗事故不是奇怪的病例。它们是人们犯错误的基本案例--思维错误。因此，虽然对于没有医生后盾的资源不足地区的护士而言，使用人工智能来处理这样的案例是很好的，但对于没有这种培训和思维能力的医生来说，这将是有问题的。”“有时，经验丰富的医生也会犯新手的错误，因为他们很累或身体不舒服，因此，通过人工智能检查我们的工作可能会显著降低医院的死亡率和犯错率。”
特别是需要注意，ChatGPT 仍会出现“幻觉”（一本正经地胡说八道），逻辑都对，但是错误的。但AI显然在快速成长，“genAI 不必只从试验和医学期刊中汲取知识，
“如果真实数据是在同意和透明的情况下收集的，这些额外的信息可以帮助医生看到他们可能看不到的东西。”
一边读哈佛医学院为适应AI时代而作的改革，一边想起我们之前的一篇推文：包括医学生和医生在内的我们，都已经生活在了AI时代；这意味着我们需要学习如何与AI合作，利用AI提高学习和临床工作的效率和质量。AI可以承担病历记录、数据分析等工作，使医生有更多时间专注于病人的治疗和沟通。这不仅可以减轻医生的工作负担，还有助于提高医疗服务的人性化和个性化水平。同时，AI的知识储备远超人类，这也意味着人类医生问诊和查体以收集病例、批判性思维更加重要，前者提供给AI患者的基本素材，后者则能够在关键时候真正拍板。正如，在循证医学之前，医生需要诊断和治疗都最硬实；循证医学之后，大部分治疗需要遵循指南，医生的诊断水平成了判断医生能力的关键；而AI时代，完整收集患者信息的能力，会成为医生水平的第一关键指标。