编辑推荐：
在信息丰富的数字时代，医学知识快速更新，培养终身学习的医学人才面临挑战。研究人员开展 “精准教育（Precision Education）” 主题研究，提出基于个体特质的教育模型，利用人工智能（AI）等可满足各方需求，有望改善教育和临床结果。
在当今这个信息爆炸的时代，医学领域的知识更新速度如同坐上了火箭。上世纪 50 年代，医学知识翻倍还需要 50 年，可到了 2021 年，仅仅约 73 天医学知识就能翻一番。如此迅猛的增长速度，让医生们再也无法像过去那样单纯地做知识的 “储存器”，而必须转型成为知识的 “管理者”。传统的医学教育模式，主要依靠大课讲授、小组学习和纸质资料，已经难以满足快速获取和更新知识的需求。培养能够适应时代发展、自主学习的终身学习者，成为医学教育亟待解决的难题。在这样的背景下，来自美国加利福尼亚大学洛杉矶分校（University of California, Los Angeles）和该校大卫?格芬医学院（David Geffen School of Medicine at UCLA）的 Wendy C. Coates 开展了关于 “精准教育（Precision Education）” 的研究。研究结果表明，精准教育有望利用人工智能（Artificial Intelligence，AI）、自适应学习模型（Master Adaptive Learner，MAL）和胜任力医学教育（Competency Based Medical Education，CBME）的关键要素，来变革健康专业教育，满足未来学习者、教育者和机构的个体与系统需求，进而提升教育和临床成果。该研究成果发表在《International Journal of Emergency Medicine》上，为医学教育的变革指明了方向，对未来医疗人才的培养意义重大。
研究人员在开展此项研究时，主要运用了文献研究法，梳理医学教育发展历程、现状及面临的问题；同时参考精准医学概念，类比提出精准教育理念。通过分析不同教育阶段及不同行业的教育模式，总结出精准教育的特点和实施要点。
精准教育的提出与特点
研究人员借鉴 2015 年精准医学计划的理念，该计划依据患者基因、环境等进行个性化医疗。与之类似，教育者可以利用相同原则构建精准教育模式。精准教育并非全新概念，在 K-12 教育、体育以及部分医学教育中都有体现个性化教育的影子，但目前在高等教育和毕业后医学教育阶段的个性化机会相对较少。
与传统以时间为基础的培训结构不同，精准教育针对个体学习者的需求进行干预，避免教育时间的浪费。例如，对于已经熟练掌握某项知识的学习者，无需重复基础学习，而是可以去弥补其他技能短板或深入钻研已有技能。不过，精准教育必须基于科学和数据，经过严格测试以确保能提升培训效果。同时，在引入 AI 时，要特别注意减少工具中的偏差，防止对患者结果产生不良影响。
精准教育计划的制定
制定精准教育计划时，需要关注学习者、教师和机构的需求。首先要对学习者进行分析，收集客观数据，如智商测试（IQ test）、标准化考试成绩、平均绩点（Grade Point Average，GPA）等，并观察学习行为和表现。让学习者参与自我评估，了解其知识水平、未来期望和学习风格偏好也非常重要。由于每个学习者的背景不同，教育计划应具有灵活性，根据学习者的能力调整学习目标。AI 监测有助于优化个人学习计划，同时要进行持续的形成性评估，及时调整学习策略和材料。此外，多学科团队、学习者、教师和信息技术专家的广泛合作至关重要，而且在整个学习过程中要注重保护学习者的隐私。
自适应学习与胜任力医学教育
美国医学协会的加速变革倡议提出了自适应学习模型（MAL），强调学习者自我调节知识获取、决策和解决问题的能力。在这个模型中，学习者具有好奇心和自我驱动力，能够自主寻找学习资源。AI 可以帮助学习者筛选合适的学习材料，提高学习效率。医学教育项目可以将培养自适应学习者作为目标，在培训中引入 MAL 模型和 AI，有助于促进终身学习。
胜任力医学教育（CBME）以学习者为中心，注重实现预先定义的学习成果，与 MAL 模型密切相关。在课程改革中结合 MAL 和 CBME 的概念，可以共同解决基础设施变化等问题。精准教育和 CBME 的概念在多个领域都有应用，如农业、工程和航空业，它们都强调学习者对特定知识、技能和能力的掌握，以提高专业水平和适应性。
行动呼吁
在推动精准教育实施的过程中，存在一些阻碍。部分行政领导对技术进步不够熟悉，可能成为变革的阻力。为此，创建教师发展项目，提升领导者对变革的管理能力至关重要。机构领导者要制定精准教育的长期愿景和实施策略，信息技术专家的参与不可或缺，他们可以保障平台的稳定运行和发展。教育者可以开展小规模的 AI 教育试点项目，探索课程改革的最佳实践。此外，还需要考虑文化和系统层面的变革，包括基础设施升级成本、人员培训成本等。同时，要重新审视基于时间和基于胜任力的教育模式的争议，更新医学院申请人的选拔标准，注重培养学习者的自主学习能力，明确学习者在教育中的主导地位，防止 AI 过度干预学习决策，并且始终将伦理问题作为 AI 系统建设和教育标准制定的核心。
研究结论指出，信息时代已经全面到来，研究生医学教育正处于十字路口，是否采用精准教育模式对培养未来医生至关重要。精准教育有望让未来医生成为知识的有效管理者，具备数字素养和自我调节学习能力，从而引领未来几十年的医学实践。虽然目前还不确定基于 AI 的精准教育是否是最佳策略，但 AI 在学术界的应用已成为趋势。教育者积极采用精准教育理念，有助于明确其适用场景，推动医学教育的发展。未来，随着技术的不断进步和教育实践的深入，精准教育有望为医学教育带来更多创新和突破，培养出更适应时代需求的医疗人才。
