“突破我们的界限”

人工智能与医学的交叉——以及将其融入医学教育的紧迫性——是OUWB医学教育周期间举办的人工智能主题特别日的主要焦点.

13个^th 一年一度的威廉戴维森医学教育周于5月13日至17日举行，主题是“重塑医学教育”.”

这一周充满了特别嘉宾和演讲，其中一整天都是关于人工智能和医学的.

主讲嘉宾有Erkin Ötleş， M.D., Ph.D., emergency medicine resident, University of Wisconsin; 科尼利厄斯·詹姆斯，m.s.D., 助理教授, 内科, 儿科, 学习健康科学, 密歇根大学医学院; Gustavo Patino, M.D.，西密歇根大学本科医学教育副院长，Homer Stryker M.D. School of Medicine; and Ramin Homayouni, Ph.D.，牛津大学基础医学研究系教授.

克里斯托弗·卡彭特，硕士.D., Stephan Sharf Dean, OUWB, 参加了这次活动，并表示这是一个学校不能忽视的话题. 事实上，在医学教育周期间设立人工智能日的想法就是由他提出的.

“就像我们社会的几乎所有其他部分一样, 人工智能在医学上的应用正在加速, 我们必须认识到它在帮助改善健康方面的巨大希望，但也要警惕它的不当应用，以免在极端情况下最终伤害个人,他说.   

“我希望每个人离开时都能意识到，作为教育工作者，我们需要继续突破自己的界限, 全面加强医学教育,他补充道.

医学人工智能导论——来自医疗保健的经验教训

Ötleş主持了当天的第一场会议，自然以人工智能在医疗保健领域的介绍为中心.

这位急诊住院医师之前参加过密歇根大学医学院的医学家培训项目(MSTP).  这是一个由美国国家卫生研究院资助的项目，旨在通过将医学教育与科学培训相结合来培养医生和科学家.

Ötleş的论文是关于“医疗保健的机器学习:纵向设置中的模型开发和实现”.”

他说，他希望他在OUWB演讲的与会者能够更好地理解，医生需要积极参与塑造人工智能的持续发展, 他将其定义为“智力(感知, 合成, 和推断信息)由机器演示.”

“人工智能不是魔法, 这是一个工程系统，这意味着我们可以控制它的制作过程, 它是如何实现的, 以及我们如何在临床实践中使用它,他说. “作为医生，我们应该坦然地指导所有这些部分，并积极参与.”

他解释说，大多数人都以某种方式经常使用人工智能, 无论是试图找到通往目的地的最佳驾驶路线，还是使用Siri或Alexa等“助手”进行互联网搜索. 任何使用过ChatGPT的人都使用过“生成式AI”——生成数据(文本)的AI, 图片, 等.)根据提示使用生成模型.

人工智能也已经被用于医学.

Ötleş定义了医疗保健领域的人工智能, 更好地理解了生成式人工智能和预测性人工智能之间的联系, 展示了人工智能在临床环境中的应用, 并研究了这项技术未来的潜在用途.

而且它的势头还在继续增强.

举例来说，他指出了fda批准的医疗用人工智能设备的增长. 在1995年，只有少数几个. 去年，这一数字接近700.

“这也只是冰山一角，”他说. “因为许多使用人工智能的设备不需要获得FDA的认证，因为它们通常用于信息目的，而不是真正用于诊断.”

但, 他补充说, 人工智能并不是医学教育的典型组成部分, 学习者“没有准备好使用。, 评估, 开发人工智能工具.”

“我们需要考虑如何解决这个问题，”他说.

这就是James下一节要讲的内容.

人工智能:医学教育的下一个范式转变

詹姆斯说，他希望每个人都能从他的演讲中至少学到一件事:人工智能不是5年或10年以后的事——它现在就在这里.

“我们想让学习者为这些技术做好准备的时间越长, 我们越落后, 这意味着我们可能没有为病人提供我们所能提供的最好或最优的护理,他说.

James总结了AI在医学教育中的现状, 为医学教育中的人工智能提供了愿景, 谈到了旨在让临床医生为医疗保健领域的人工智能做好准备的举措, 并就相关议题进行了一般性讨论.

他用三列高速行驶的火车来比喻医学教育中的人工智能. 一个代表了人工智能在教学目的中的使用, 另一个是教学习者使用这些技术, 第三家使用人工智能进行医学奖学金.

“我200%同意Erkin的观点，即我们需要让临床医生做好准备，不仅要参与这些技术, 但要在这些技术的应用方面发挥领导作用,他说.

他谈到了未来的医生需要提供数据驱动的技能, 以病人为中心, 以证据为基础的护理——并明确表示医学教育需要拥抱人工智能.

目前, 医学教育中的人工智能主要来源于选修课, 在线课程/模块, 研讨会, 证书项目, 或者利益集团.  

在接下来的一到两年里, 詹姆斯表示，他希望看到人工智能整合到有明显重叠内容的课程中. 这些课程将包括卫生系统科学, 临床推理, 循证医学, 以及临床技能.

在接下来的5到10年里, 他说, 数据科学将加入临床, 基本, 卫生系统科学作为医学教育的支柱.

“有时候当我展示这个的时候, 人们会问，课程中哪些内容将被取消,他说. “这些都是艰难的对话，因为我相信有些东西必须被删除.”

詹姆斯希望结果是医学教育将更多地关注移情, 批判性思维, 沟通, 团队合作, 创新和信息的回忆和管理.

把它们联系在一起

当天剩下的时间里，讨论和演讲将所有内容联系在一起，进一步探讨了人工智能的前景和问题.

帕蒂诺谈到了“人工智能模型中的可解释性和偏见”.“特别, 他讨论了人工智能模型中偏差的来源，并回顾了可解释性技术在控制偏差和增强人工智能模型适用性方面的作用. 他还鼓励系统地了解人工智能模型的各个方面，而不仅仅是整体性能. 

简而言之, 他表示，主要问题源于这样一个事实，即人工智能通常依赖于现有的信息，这些信息可能存在缺陷，因此, 使它所借鉴的原始资料的任何固有问题永久化.

这一天以Homayouni的演讲“使用临床记录的机器学习:在人口健康中的应用”结束.”

和其他演讲者一样, Homayouni谈到了不接受人工智能在医疗保健中的作用的潜在陷阱，以及人工智能无法完全复制人类可以表达的那种同理心和同情心.

Homayouni also talked about the potential different uses for AI in population health: risk scoring for chronic disease; avoiding 30-day hospital readmissions; getting ahead of patient deterioration; and predicting patient utilization patterns, 仅举几个例子.

一个具体的例子涉及如何利用人工智能利用患者记录中的已有信息来确定健康的社会决定因素.

“如果我们能够预测谁可能需要服务……也许我们可以降低整体卫生系统的成本,他说.

总的来说，卡彭特说他对人工智能日的结果感到满意.

“大家都参与其中，我相信我们从中获得了很多东西，可以用来教育我们的学习者,他说.