《Strahlentherapie und Onkologie》：DEGRO consensus framework for undergraduate radiation therapy teaching in Germany: a white paper with integrated guidance on artificial intelligence in medical education
编辑推荐：
**背景与目的**：本科医学教育正日益转向基于能力、数字化和跨专业模式，符合《国家能力本位学习目标目录》（Nationaler Kompetenzbasierter Lernzielkatalog Medizin, NKLM）。在此背景下，由教师代表组成的专家
**背景与目的**：本科医学教育正日益转向基于能力、数字化和跨专业模式，符合《国家能力本位学习目标目录》（Nationaler Kompetenzbasierter Lernzielkatalog Medizin, NKLM）。在此背景下，由教师代表组成的专家小组制定了一份全国性、基于共识的德国放射治疗本科教育框架，该框架与实习年（PJ）和最终国家考试（M3）结束时预期的能力保持一致，并补充了关于人工智能（AI）在教育中负责任使用的指导。
**方法**：该框架由德国放射肿瘤学会（Deutsche Gesellschaft für Radioonkologie, DEGRO）工作组“医学教育”（AG Lehre）准备，包括一份整合的主文件及16份教学组合，这些材料为15项候选能力提供了依据。第二步，来自德国36所大学放射肿瘤科中22个科室的25名正式委派代表参与了一个结构化专家共识过程，包括个人优先排序、小组细化、全体整合、预定义投票阈值以及会后编辑整合。
**结果**：最终框架包括四个组成部分：（1）九项优先核心能力，定义了PJ/M3水平的国家最低标准；（2）实施带宽（最低、推荐、最佳实践），基于匿名化站点概况数据；（3）与米勒金字塔（Miller pyramid）对齐的分阶段A/B/C评估模型；（4）整合的AI指导，定义了允许的使用案例、不可协商的边界、AI素养目标以及面向教育者的实用实施逻辑。肿瘤多学科讨论（tumor board）被确定为一个特别适合的整合教学格式。
**结论**：本白皮书提出了一个全国协调、能力导向的放射治疗本科教育框架，该框架结合了稳定的核心与可扩展的本地实施选项。通过链接核心能力、教学带宽、分阶段评估和负责任的AI指导，促进了不同院校之间放射治疗教学的一致性和连贯性及实际实施。
**论文解读：德国放射治疗本科教学的DEGRO共识框架——整合人工智能教育指导的白皮书**
**研究背景、存在问题及研究目的**
放射治疗（RT）是现代肿瘤治疗的核心组成部分，在治愈性、（新）辅助性和姑息性治疗路径中发挥关键作用，同时也适用于部分良性适应证。然而，在本科医学教育中，放射治疗的教学内容往往碎片化，不同院校在教学时机、深度和形式方面存在显著差异。随着德国《国家能力本位学习目标目录》（NKLM）的推行，本科医学教育日益强调能力本位、纵向整合和临床导向学习，但放射治疗教育尚未在国家层面形成统一的核心标准。此外，生成式人工智能（AI）在高等教育和医学教育中迅速普及，既带来了学习支持、内容结构化等机遇，也引发了关于负责任使用、透明度和AI素养的迫切需求。因此，由德国放射肿瘤学会（DEGRO）工作组“医学教育”发起，旨在制定一个全国相关、基于共识的放射治疗本科教育框架，该框架需与PJ/M3阶段预期能力对齐，并整合AI在教育中的负责任使用指导，以提升教学一致性、连贯性和可行性。该论文发表在《Strahlentherapie und Onkologie》。
**主要关键技术与方法**
研究人员采用结构化专家共识方法。首先，编制整合主文件及16份教学组合（teaching portfolios），从中提取15项候选能力。其次，邀请来自德国36所大学放射肿瘤科中22个科室的25名正式委派代表参与共识会议，会议包括个人点票优先排序、小组细化、全体整合、预定义投票阈值（≥75%同意）以及会后编辑整合。过程中应用了匿名化站点概况矩阵（site-profile matrix）来锚定实施带宽，并基于米勒金字塔（Miller pyramid）设计分阶段A/B/C评估模型。肿瘤多学科讨论（tumor board）作为整合教学格式被纳入，并开发了可扩展的教学包。AI指导部分通过定义允许使用案例、不可协商边界及AI素养目标来构建。
**研究结果**
**一个基于共识的放射治疗本科教育核心框架**
通过专家共识过程，研究人员确定了框架的指导声明：本科医学生应将放射治疗理解为以患者为中心、精确使用电离辐射以达到治愈或缓解症状目的的临床学科，是多学科癌症治疗的核心支柱。框架包含四个互补组成部分。
**九项优先核心能力**
经过优先排序和全体整合，原始15项候选能力被缩减为9项优先核心能力，构成PJ/M3水平的国家最低标准。这些能力涵盖概念理解、临床可操作性、以患者为中心的沟通和跨学科合作，例如：理解放射治疗的原理、适应证、禁忌证和副作用；能够识别并初步处理放射治疗相关急症；具备转诊意识；能参与多学科决策等。
**教学格式与实施带宽**
基于匿名化站点概况数据，研究人员定义了三种实施带宽：最低水平（minimal）采用低门槛、广泛可转移的格式（如讲座、小组教学）；推荐水平（recommended）增加结构化临床和互动元素（如患者接触、肿瘤多学科讨论教学）；最佳实践水平（best practice）包含资源密集型格式（如模拟肿瘤多学科讨论、工作场所评估）。每个带宽对应相应的评估组合。
**肿瘤多学科讨论作为整合教学格式**
研究人员通过共识将肿瘤多学科讨论（tumor board）定位为特别适合的整合教学格式。其教学包围绕定义参与者角色及相应质量标准展开，包括模拟案例引导的多学科讨论，可缩放实现从入门模拟到高级真实参与。
**评估框架**
研究人员设计了与米勒金字塔对齐的A/B/C三阶段评估模型：A级（最低标准）为书面形式（如案例导向问题），评估“知道如何做”（knows how）；B级为客观结构化临床考试（OSCE）格式，评估“展示如何做”（shows how）；C级为工作场所评估（如迷你临床演练评估，Mini-CEX），评估“实际做”（does）。A级作为国家最低评估标准，B级和C级为可选发展扩展。
**AI在放射治疗教育中的整合指导**
通过共识，研究人员定义了AI的允许使用案例（如形成性案例草稿、学习支持、评估项目辅助起草）和不可协商边界（禁止输入患者数据、禁止使用未经验证的医疗内容、必须透明披露等）。AI素养被明确为独立能力块，要求学生理解AI的机遇与局限、识别幻觉与偏见、应用验证策略、实施数据保护。教育者需遵循简单的实施规则：数据是否非敏感、使用是否透明、学科验证是否得到保障。
**讨论与结论**
讨论部分指出，该框架首次在德国建立了基于共识的放射治疗本科教育能力导向框架，通过实施带宽而非固定教学时数，实现了国家协调与本地适应性的结合。肿瘤多学科讨论和AI指导作为整合元素，分别强化了临床推理、跨专业沟通以及负责任的技术使用。框架的优势包括：基于正式委派代表的共识过程、稳定的核心与可更新附录的设计、与NKLM的对齐。局限性包括：非正式德尔菲法、22个科室代表未覆盖全国、缺乏学生共同设计、尚未进行前瞻性验证。研究结论部分原文翻译为：本白皮书提出了一个基于共识、能力导向的德国放射治疗（RT）本科教育框架，该框架全国相关且本地可适应。聚焦于实习年/最终国家考试（PJ/M3）水平，通过九项优先核心能力定义了拟议的国家最低标准，并辅以实施带宽、分阶段评估模型以及关于人工智能（AI）在教育中负责任使用的整合指导。通过结合稳定的核心与可扩展的实施选项，该框架旨在增强不同院校间放射治疗教学的一致性和可行性，同时保持课程灵活性。它还可能加强学生对放射治疗领域的认识和参与度，从而支持对这一领域及相关临床职业的长期兴趣。
