JAMA：AI時(shí)代，如何培養(yǎng)醫(yī)學(xué)生的臨床技能？

注：本文整理自JAMA于2026年5月7日發(fā)表的一項(xiàng)觀點(diǎn)文章，原文題目為“Promoting Clinical Expertise in the Age of AI：No Struggle, No Mastery”。

如今，醫(yī)務(wù)工作者使用人工智能（AI），主要是為了減輕行政工作負(fù)擔(dān)、協(xié)助處理一些簡單的臨床任務(wù)。然而，AI也越來越多地被用于查看和歸納數(shù)據(jù)、解讀檢查結(jié)果、做出診斷甚至制定治療方案。

隨著臨床醫(yī)生在更高級任務(wù)上依賴AI，一些擔(dān)憂也隨之浮現(xiàn)：一是因過度依賴AI而出現(xiàn)“去技能化”（即丟失已經(jīng)掌握的本領(lǐng)）；二是因AI答案不準(zhǔn)確而導(dǎo)致“誤習(xí)得”（即學(xué)到了錯(cuò)誤的東西）。

然而，AI最大的風(fēng)險(xiǎn)，可能在于它對處在臨床培養(yǎng)期人群的影響：醫(yī)學(xué)生、住院醫(yī)師和專培醫(yī)師還沒有積累起資深醫(yī)生的那些專業(yè)本領(lǐng)。有人把這種情況稱為“從未習(xí)得”：無法建立臨床能力的認(rèn)知根基，是因?yàn)樵阱N煉出能力精通的“認(rèn)知掙扎”發(fā)生之前，AI就已經(jīng)把答案給出來了。

臨床能力是如何形成的？

要理解上述風(fēng)險(xiǎn)，先要理解臨床能力是如何發(fā)展起來的。關(guān)于這個(gè)問題有多種理論，例如“精通型適應(yīng)性學(xué)習(xí)理論”、“知識封裝與疾病腳本理論”，“雙系統(tǒng)理論”。這些理論側(cè)重點(diǎn)各異，但都有形成能力精通所需的幾項(xiàng)基本條件：

1. 圍繞真實(shí)問題的“費(fèi)力投入”

培養(yǎng)精通，要求學(xué)習(xí)者親自完成認(rèn)知層面的工作。設(shè)想一位住院醫(yī)師在反復(fù)推敲：一個(gè)肝硬化患者為什么會(huì)血小板偏低，從門靜脈高壓推到脾腫大，再推到脾臟對血細(xì)胞的滯留。正是這種費(fèi)力的思維加工，重組了知識結(jié)構(gòu)，建立起模式識別能力。知識要真正穩(wěn)固下來，需要反復(fù)穿行于這種復(fù)雜的因果邏輯之中。

2. 隨時(shí)間積累的經(jīng)驗(yàn)

通往專業(yè)精通沒有捷徑，各個(gè)階段無法跳過。作為專家直覺基礎(chǔ)的“模式庫”，是在數(shù)千小時(shí)中形成的，需要先以分析的方式緩慢地處理數(shù)百個(gè)病例，這些模式才會(huì)逐漸變得自動(dòng)化。每一個(gè)病例都會(huì)為學(xué)習(xí)者的“模式庫”添磚加瓦，促進(jìn)他們識別出偏離常規(guī)模式的情況，精煉其疾病腳本，推動(dòng)他們一點(diǎn)一點(diǎn)地走向直覺化。

3. 元認(rèn)知意識的養(yǎng)成

專家并不只是知道得更多，他們還知道自己知道什么、不知道什么。他們能夠分辨：某種情形是在自己的能力范圍之內(nèi)，亦或是需要放慢節(jié)奏、尋求幫助或收集更多信息。元認(rèn)知意識，是在那些同樣能夠構(gòu)建專業(yè)知識的反饋循環(huán)中逐漸形成的，在這個(gè)過程中，學(xué)習(xí)者建立起對自己在不同情境下可靠程度的準(zhǔn)確判斷。

AI如何威脅這三項(xiàng)基本條件？

AI工具對上述每一項(xiàng)條件都構(gòu)成了威脅。當(dāng)AI生成鑒別診斷時(shí)，學(xué)習(xí)者得到了答案，卻跳過了那種能夠重組知識的“認(rèn)知掙扎”。當(dāng)AI給出治療建議時(shí)，學(xué)習(xí)者省去了從自己尚在發(fā)育的疾病腳本中費(fèi)力提取信息的過程。

AI工具還可能打斷那種“假設(shè)到檢驗(yàn)”的反饋循環(huán)（即反復(fù)試錯(cuò)），學(xué)習(xí)者本應(yīng)循環(huán)往復(fù)地經(jīng)歷數(shù)百次，模式庫才得以形成，臨床推理才會(huì)變得自動(dòng)化。此外，由于AI給出答案時(shí)往往帶著一種千篇一律、迎合討好式的自信，它可能會(huì)妨礙學(xué)習(xí)者元認(rèn)知能力的發(fā)展，使他們無法校準(zhǔn)自己對可靠程度的判斷，無法弄清楚哪些臨床表現(xiàn)可以自信地處理、哪些應(yīng)當(dāng)引起警惕。

但無論我們?nèi)绾螕?dān)憂，AI都終將到來。深思熟慮地設(shè)計(jì)AI、并將其妥善融入臨床學(xué)習(xí)環(huán)境，就變得至關(guān)重要。

可供借鑒的設(shè)計(jì)與實(shí)施策略

AI作為“顧問”

為了保護(hù)那種“費(fèi)力投入”，可以推行“先表達(dá)觀點(diǎn)、再對照”的流程：學(xué)習(xí)者先就鑒別診斷、擬定的檢查方案和治療計(jì)劃作出自己的判斷，然后才能看到AI的建議。就像實(shí)習(xí)生在開醫(yī)囑之前，要先向帶教的上級醫(yī)師匯報(bào)自己的評估與方案。這種做法有望創(chuàng)造出一種學(xué)習(xí)契機(jī)，可以由AI從旁引導(dǎo)：“你原本認(rèn)為這是心臟問題，AI卻提示可能是肺部問題，我們把兩條推理路徑都梳理一遍”。

AI作為“教練”

AI本身也可以被設(shè)計(jì)成需要學(xué)習(xí)者主動(dòng)參與，而不是單純地給出答案，比如AI向?qū)W習(xí)者發(fā)問：“你必須排除的最危險(xiǎn)的診斷是什么？”從而讓AI從“答案提供者”轉(zhuǎn)變?yōu)椤巴评斫叹殹?/b>。同樣地，AI還可以通過要求學(xué)習(xí)者闡述各項(xiàng)檢查結(jié)果與診斷之間的關(guān)聯(lián)、或診斷背后的病理生理學(xué)依據(jù)，來支持學(xué)習(xí)。

舉例來說，一位醫(yī)學(xué)生或許能認(rèn)出一位因頻繁嘔吐或使用利尿劑而出現(xiàn)“代謝性堿中毒”的患者，卻未必完全理解其中的腎臟生理機(jī)制，這時(shí)AI便可以提供幫助。AI很可能還會(huì)帶來一些過去根本無法實(shí)現(xiàn)的全新教學(xué)與學(xué)習(xí)方式，例如AI引導(dǎo)情景模擬，對疑難談話的演練，以及針對具體患者、量身定制的知識掌握度評估。

設(shè)立“無AI區(qū)”

某些學(xué)習(xí)場景（例如晨間病例匯報(bào)，病例討論會(huì)、床旁查房等）可以被劃為“無AI區(qū)”，要求學(xué)習(xí)者憑借自己的知識進(jìn)行推理。這樣既能讓學(xué)習(xí)者獲得不依賴AI進(jìn)行推理的常規(guī)訓(xùn)練，也能讓老師們有機(jī)會(huì)評估醫(yī)學(xué)生們獨(dú)立勝任能力的情況。

分階段開放AI權(quán)限

為確保學(xué)習(xí)者有足夠的自主思考，還可以采取另一些做法，比如設(shè)定不使用AI的工作量和能力要求。培訓(xùn)項(xiàng)目可以規(guī)定，在能力得到確認(rèn)之前，必須有最低數(shù)量的病例是在不借助AI的情況下獨(dú)立完成的。正如掌握某項(xiàng)技術(shù)操作需要一定的操作例數(shù)，要在認(rèn)知層面達(dá)到勝任，我們或許也應(yīng)當(dāng)要求完成一定的“推理例數(shù)”。

又或者，可以按培訓(xùn)階段分步開放AI權(quán)限：早期醫(yī)學(xué)生的AI使用受到限制，隨著基礎(chǔ)能力得到展示而逐步放開。不過這種做法存在風(fēng)險(xiǎn)，可能恰恰剝奪了那些最需要AI幫助的學(xué)習(xí)者所能獲得的協(xié)助。相比之下，“先表達(dá)觀點(diǎn)、再對照”的流程，也許能在促進(jìn)能力發(fā)展與保障安全高質(zhì)量診療之間取得更好的平衡。

用AI支持元認(rèn)知

為了保護(hù)那些處于“精通型適應(yīng)性學(xué)習(xí)理論”核心位置的反饋循環(huán)，可以設(shè)計(jì)一些工具，在學(xué)習(xí)者咨詢AI之前先記錄下他們的評估與方案，從而能夠長期追蹤其推理的準(zhǔn)確性，并把結(jié)果反饋給學(xué)員。如果這些工具還能提示學(xué)員估計(jì)自己對各項(xiàng)決策的信心程度，那么學(xué)員的元認(rèn)知意識（即其信心與評估準(zhǔn)確性之間的相關(guān)程度）也可以被追蹤下來，用以幫助他們更清楚地認(rèn)識自身知識的邊界，懂得何時(shí)該尋求幫助。

AI相關(guān)的醫(yī)學(xué)教育

從醫(yī)學(xué)教育課程的角度看，醫(yī)學(xué)生需要了解每一種AI工具的優(yōu)勢、不足與陷阱，這意味著要理解AI系統(tǒng)是如何運(yùn)作的，它們的訓(xùn)練數(shù)據(jù)里包含哪些類型的病例、AI容易犯哪些類型的錯(cuò)誤，以及在面對AI給出的那些看似自信的答案時(shí)，何時(shí)應(yīng)當(dāng)暫緩下判斷。

帶教老師同樣需要理解這些問題，并學(xué)會(huì)在AI增強(qiáng)的環(huán)境中指導(dǎo)醫(yī)學(xué)生。這可能包括：探查出醫(yī)學(xué)生究竟是真正理解了自己所匯報(bào)的內(nèi)容，還是僅僅在復(fù)述AI的輸出；在教學(xué)場景中樹立“不依賴AI進(jìn)行推理”的明確預(yù)期；并在合理使用AI的同時(shí)，示范出對AI應(yīng)有的審慎與質(zhì)疑。無論是帶教者還是醫(yī)學(xué)生，都還需要清楚地知道，在哪些類型的醫(yī)學(xué)教育中這些工具最能發(fā)揮所長（例如個(gè)性化反饋、基于模擬的學(xué)習(xí)等）。

結(jié)語

以上這些建議是從理論出發(fā)推演而來，而非由證據(jù)所確立。我們亟需開展研究，以判定在AI增強(qiáng)的學(xué)習(xí)環(huán)境中，哪些干預(yù)措施能夠促進(jìn)能力精通的形成。AI能夠加速學(xué)習(xí)，但前提是它被設(shè)計(jì)成激發(fā)思考、而非取代思考，是充當(dāng)教練、而非拐杖。

一個(gè)正在興起的概念“精準(zhǔn)教育”，即讓AI針對每一位學(xué)習(xí)者各自的知識缺口和所處的發(fā)展階段進(jìn)行校準(zhǔn)，為這些工具提供了一個(gè)頗具吸引力的范式：讓它們在支持持續(xù)能力評估的同時(shí)，去深化、而非取代那種錘煉出能力精通的“認(rèn)知掙扎”。擺在我們所有人面前的任務(wù)，就是要有意識地設(shè)計(jì)AI創(chuàng)新，把這個(gè)工具真正用好。

原文補(bǔ)充說明：在2026年1月4日至3月5日期間，作者使用Claude Sonnet 4.6（Anthropic公司）作為手稿撰寫過程中的編輯助手，涉及寫作、修改和文獻(xiàn)檢索。作者Ron Keren對所生成內(nèi)容的完整性負(fù)責(zé)。

原文整理自：JAMA. 2026;335;(21):1837-1838. doi:10.1001/jama.2026.6097