美国骨科医学院生成式人工智能教育政策与培训现状：横断面调查与医学教育变革启示

针对生成式人工智能(GenAI)在医学教育中的政策空白与培训需求，研究人员通过横断面调查分析了美国32所骨科医学院(COMs)的现状。结果显示93%机构缺乏学生使用GenAI政策，88%无相关培训计划，33%仅提供基础伦理培训，凸显医学教育体系在AI时代面临严峻挑战。该研究为制定医学AI教育框架提供了关键基线数据，发表于《JMIR Medical Education》。

　　

随着ChatGPT等生成式人工智能(Generative AI, GenAI)的爆发式发展，医疗领域正面临前所未有的技术变革。这些能创造新内容的AI系统已展现出通过美国医师执照考试(USMLE)、撰写医学论文甚至提供比人类医生更具同理心建议的能力。然而，作为培养未来医生的摇篮，美国骨科医学院(Colleges of Osteopathic Medicine, COMs)却暴露出明显的应对不足——既缺乏规范学生使用AI的政策，也未能系统培训师生掌握这项颠覆性技术。这种滞后可能导致未来医生在AI辅助诊疗时代陷入"不会用、不敢用、滥用"的困境。

为揭示这一教育危机，来自University of New England的研究团队开展了全国性横断面调查。研究者向32所COMs的院长和学生政府主席发送问卷，聚焦三大核心问题：现有GenAI政策覆盖范围、培训课程实施现状、以及未来发展规划。调查结果显示，81%的院校（26所）作出回应，但数据令人忧心——93%的学院院长和88%的学生领袖承认没有制定学生使用GenAI的规范政策，79%的无政策院校甚至没有相关讨论计划。在培训方面，仅1所学院开设了必修的GenAI伦理课程，73%的院校对增设选修课毫无规划。更严峻的是，所有受访COMs均未制定教职工AI使用政策，80%无开发意向，仅33%提供过基础操作培训。

研究采用描述性统计方法分析Qualtrics XM平台收集的问卷数据。调查对象为2022-2023学年通过认证的32所COMs，通过院长和学生会主席双渠道获取数据确保代表性。问卷设计采用自适应逻辑跳转技术，针对有无政策/培训的院校设置差异化问题链。所有数据经机构伦理委员会批准后匿名处理。

主要研究发现

GenAI学生政策空白
14/15的院长和14/16的学生领袖证实其院校缺乏学生使用GenAI的正式政策。少数有政策的院校仅限制在评分作业中使用，79%的无政策院校尚未启动相关立法程序。

培训体系严重缺失
唯一开设必修课的院校仅涵盖伦理内容，无院校提供选修培训。更值得关注的是，79%的院校对增设必修课、73%对选修课均无具体规划，反映教育系统对AI革命的迟钝反应。

教职工管理真空
所有COMs均未制定教职工GenAI使用规范，80%无政策开发计划。现有培训聚焦基础操作（80%院校）和伦理（60%），仅40%涉及考试命题等教学应用，完全忽略提升工作效率的核心需求。

讨论与启示
该研究首次系统揭示了美国医学教育在AI时代的政策滞后危机。与普通高校8%的GenAI政策覆盖率相比，COMs的应对更为消极——仅7%有学生政策，且无教职工规范。这种系统性缺失可能导致两大风险：一是未来医生缺乏AI鉴别能力，可能重蹈"律师使用ChatGPT提交虚假案例"的覆辙；二是错失利用AI提升教学效率的机遇，如自动化考试命题、个性化学习辅导等。

研究者建议参考联合国教科文组织(UNESCO)的AI教育框架，从教学法、运营管理和治理三个维度构建医学专属体系。具体而言，应将GenAI能力培养融入现有课程，如文献检索训练加入AI工具评估，临床模拟考试整合AI辅助诊断等。这种"嵌入式"教学策略既可避免课程膨胀，又能培养医学生的AI素养(AI literacy)。

该研究的局限在于仅聚焦COMs而未涵盖传统医学院(MD项目)，且未追踪住院医师培训等后续阶段。随着GenAI技术呈指数级发展，后续研究需建立动态监测机制。正如棒球哲人Yogi Berra所言"预测很难，尤其是关于未来的预测"，但医学教育者必须为这个AI无处不在的未来做好准备——要么主动引领变革，要么被迫追赶时代。这项发表在《JMIR Medical Education》的研究为这场教育革命按下了警铃。