人工智能在外科培训中的整合与挑战：大学外科医师学会教育委员会立场声明

《Surgery》：Position statement from the society of University surgeons, surgical education committee: Artificial intelligence in surgical training for medical students, residents, and fellows

本文针对人工智能(AI)技术在外科培训中应用的机遇与挑战，由大学外科医师学会教育委员会组织专家讨论，提出了分阶段、多利益相关方的实施框架。研究强调了窄人工智能(NAI)和生成式人工智能(GAI)在提升教学效果、减少培训差异性的潜力，同时指出了学术诚信、患者安全等风险，为相关机构和个人提供了从政策制定到日常教学的实用指导，对推动外科教育现代化具有重要意义。

　　

随着人工智能(AI)技术浪潮席卷医疗领域，外科实践与教育正站在变革的十字路口。虚拟现实(VR)模拟器、智能辅导系统、术中导航工具等AI驱动技术，正以前所未有的方式改变着医学生、住院医师和专科医师获取和精进外科技能的模式。这些技术承诺提供高度个性化和高效的学习体验，但同时也带来了复杂的伦理、教学和实践挑战。例如，如何确保AI辅助下的学术诚信？如何重新定义教师角色以适应AI环境？评估方法又该如何调整？更重要的是，在拥抱技术便利的同时，如何坚守患者安全的底线？面对这些亟待解决的问题，大学外科医师学会(Society of University Surgeons)的外科教育委员会深感有必要进行前瞻性指导，从而负责任地引领这场变革。

在此背景下，该委员会成员系统回顾了AI在外科培训中的当前应用，并召集专家讨论，最终形成了这份立场声明，旨在为AI与外科教育的融合提供一个清晰、负责任的路线图。该立场声明已发表在权威期刊《Surgery》上。

研究人员主要通过专家共识法开展工作。委员会成员审阅了人工智能在外科训练中的现有应用，并通过召集专家讨论，系统性地梳理了机遇、风险及实施策略。研究重点区分了窄人工智能（如计算机视觉、预测分析）和生成式人工智能（如大型语言模型），明确了它们的定义并描述了其在外科教育中的应用场景。最终，为认证机构、专业学会、医疗机构和个体教育者制定了针对性的建议。

Differentiating AI technologies

文章首先厘清了与外科教育相关的AI技术范畴。人工智能被广泛分为四类：领域特定或窄人工智能(ANI)、生成式人工智能(GAI)、多模态AI和人工通用智能(AGI)。其中，ANI专精于特定任务，如用于技能评估的计算机视觉算法、预测结果的预测分析以及机器人引导系统。GAI则专注于生成新内容（如文本、代码、图像），大型语言模型(LLM)如GPT-4、Claude和LLaMA属于此类。多模态AI能整合多种输入模态（如文本、图像、视频、音频）以生成上下文丰富的输出。AGI仍是理论概念，指具备人类认知水平的跨领域智能。文章通过表格对比了NAI和GAI在外科教育中的优势与劣势，指出NAI长于客观技术技能评估和高保真模拟，而GAI则擅长自然语言交互用于情景化学习和内容生成，但两者均存在局限性，如NAI任务聚焦狭窄，GAI则存在事实性错误或“幻觉”的风险。

Applications of ANI in surgical education

在窄人工智能的应用方面，文章详细介绍了几个关键领域。计算机视觉(CV)算法可通过分析手术视频和器械运动数据，以高精度区分专家与新手的技术水平，实现客观的技能评估。在机器人辅助外科培训中，AI驱动的视频分析能自动标记关键步骤和错误，便于复盘。预测分析则利用机器学习模型分析大型手术结果数据集，帮助预测并发症或优化治疗策略，可作为教学工具培养学员批判性评估AI衍生风险评分的能力。此外，AI赋能的VR和增强现实(AR)模拟器能创建交互式、自适应的学习环境，提供自动化视频分析、个性化反馈和进度追踪，研究表明AI增强模拟器能有效促进技能获取。

Applications of GAI in surgical education

在生成式人工智能的应用方面，文章重点阐述了其独特价值。大型语言模型的对话特性使其能够进行动态问答辅导，模拟外科资格考试，提供无限练习场景和按需指导。GAI还能快速生成学习辅助材料，如摘要、抽认卡和临床案例。最创新的应用之一是创建用于角色扮演模拟的虚拟患者，使学员能够通过自然语言对话练习临床接诊。此外，LLM在文档辅助方面也显示出潜力，可用于起草手术记录、出院摘要等，并能通过环境AI技术实时捕捉医患对话并生成结构化文档，减轻文档负担。在科研写作中，GAI工具能协助生成研究摘要、合成文献综述、起草手稿和生成统计分析代码，但需注意相关的伦理风险。

The evolving role of surgical educators

文章强调，AI的整合正在重新定义外科教育者的角色，使其从知识传授者转变为批判性评估的促进者和专业价值观的守护者。教育者需要具备新的数字能力，包括AI素养和提示工程等，以确保学员能够批判性地评估AI输出，并在模糊案例中运用人类判断。因此，机构需要投资于教师的持续专业发展。

Recommendations from the society of University surgeons surgical education committee

委员会提出了针对不同利益相关方的具体建议。认证机构应将明确的AI能力嵌入外科住院医师里程碑和认证要求中，并重新设计评估方法以适应AI环境。专业学会应建立评估AI技术的标准基准和公共注册库，并促进多学科网络和全球合作。学术机构和医疗系统应提供集中的AI教育项目，制定全面的治理框架以确保问责制和伦理监督，并培育创新文化。个体外科教育者应整合经过验证的AI工具到教学实践中，并重点教导学员批判性评估和临床解读AI生成内容的能力，同时自身采取反思性实践以适应AI整合的教育环境。

Practical applications of AI integration

文章指出，AI的有效整合需要所有利益相关方的协调行动。AI有潜力通过提供即时、阶段特异性反馈来丰富可委托专业活动(Entrustable Professional Activities)的评估粒度和客观性。在外科研究中，教育者必须提供关于AI适当和透明使用的明确指南，并示范最佳实践。

Global considerations for equitable AI deployment

AI具有 democratize 外科教育的潜力，特别是在资源匮乏地区。然而，全球部署需仔细考虑技术可及性、文化相关性、数据公平性和长期可持续性。模型训练数据的代表性至关重要，在非多样化人群上训练的模型可能表现不佳或加剧 disparities。专业学会和机构应促进公平的合作伙伴关系，确保AI解决方案具有文化相关性和实际可实施性。

Potential disruptive effects of AI in surgical practice and education

最后，文章警示了AI可能带来的颠覆性风险。临床风险包括外科医生和学员过度依赖AI工具，导致认知卸载、技能退化和独立临床判断力受损。法律和监管挑战涉及AI生成决策的问责制、不明晰的责任标准以及不断发展的认证指南。LLM还带来错误信息、捏造引用等独特挑战。因此，强大的人类监督、持续的教师警惕、透明的机构治理、严格的验证过程和监管对齐对于安全利用AI的教育效益至关重要。

综上所述，这份立场声明系统地阐述了人工智能在外科教育中的应用现状、潜力、挑战及应对策略。研究结论强调，人工智能有潜力成为外科教育的强大辅助工具，但必须以深思熟虑和符合伦理的方式部署。通过为认证机构、专业学会、医疗机构和个体教育者提供分阶段的、针对特定利益相关方的实施框架，该立场声明旨在确保人工智能补充而非取代至关重要的师生关系，同时培养出更安全、更具反思能力且全球互联的外科医生。该研究的意义在于为快速发展的AI技术在外科教育领域的整合提供了及时、全面且具有前瞻性的指导，强调了协调行动 across all stakeholders 的重要性，以期在技术进步与教育质量、患者安全及伦理规范之间取得平衡，最终推动外科培训体系的现代化转型。