An intentional dual track curriculum model proposal to address technical readiness and concerns in healthcare AI education

医学的未来正由代码书写。人工智能已经在帮助医生解读X光片、预测哪些患者有患病风险，并建议最佳治疗方案。随着这些工具在医院变得普遍，一个关键问题随之而来：我们该如何教导下一代医生去使用它们？几十年来，专家们一直依赖一个简单的理念来解释人们如何接受新技术：你对它了解得越多，你就越不会恐惧它。这种逻辑认为，如果我们仅仅向学生展示AI是如何运作的，他们就会变得适应它，他们的担忧也会随之消退，并会积极地将其应用到实践中。这是一条从无知到接受的直线路径。

然而，医学培训的现实可能要复杂得多。医学院现在正争分夺秒地将人工智能加入其课程体系，但他们是基于“熟悉感可以解决一切”这一假设来进行的。理论认为，如果一名学生学习了算法做出决策的基本原理，他们就会信任机器并停止对风险的担忧。这种信念驱动了许多新课程的设计，这些课程过度侧重于技术素养。但如果这个假设是错误的呢？如果学习AI并不能消除那些关于患者安全和公平性的深层职业忧虑呢？理解这一区别至关重要，因为如果我们只教医生如何使用工具，而不去处理他们合理的恐惧，我们就有可能培养出一代技术熟练但伦理准备不足的临床医生。

迈阿密大学的研究人员决定直接测试这一假设。他们收集了一组389名一年级医学生的样本，就在这些学生即将参加一场关于医疗保健中人工智能的研讨会之前。在学生学习任何新知识之前，研究人员向他们提出了一系列问题。他们想知道这些学生以前是否上过关于AI的课程或参加过相关讲座。他们询问了学生对该技术的熟悉程度。他们还询问了学生对AI未来的态度、他们觉得自己准备好使用它的程度，以及至关重要的——他们持有哪些具体的担忧。研究人员寻找了六个主要的担忧点：担心AI会让患者护理变得冰冷且缺乏人情味、算法存在不公平偏见的风险、患者隐私数据的安全性、医生过度依赖机器的危险，以及患者与医疗提供者之间关于这些工具的信任缺失。

结果揭示了学生思维中的一种分裂，这种分裂挑战了我们看待学习的传统方式。一方面，研究人员发现，有过AI接触经历（如参加过之前的课程或研讨会）的学生确实报告说他们对技术感到更加熟悉。这种熟悉感反过来又与积极的情绪紧密相连。那些觉得理解了AI的学生对未来更加乐观，觉得为职业生涯做好了准备，并且更有可能表示打算使用它。从这个意义上说，旧的观点是成立的：了解更多关于工具的信息会让你更有准备。理解的深度比仅仅参加过一次活动更重要；是那种对概念感到熟悉的心理驱动了他们的信心。

但在天平的另一端，关于担忧的情况则呈现出另一个故事。研究发现，对AI的担忧并不罕见，几乎是普遍存在的。在53%到82%的学生之间表达了对特定问题的担忧，其中失去患者护理中“人情味”的恐惧是最常见的，被71.5%的人引用。研究人员曾预期，随着学生对AI变得更加熟悉，这些担忧会减少。他们曾期望知识能作为缓解焦虑的良药。然而，他们发现这些担忧并未消失。无论一名学生对AI了解多少，还是感觉非常熟悉，他们的担忧程度都保持不变。一名在技术知识方面非常有信心的学生，在面对算法偏见和数据隐私问题时，与一名几乎一无所知的学生一样感到担忧。

这一发现表明，通往成为一名使用AI的医生的道路并非单一的。研究人员提出，有两条平行的轨道在运行。第一条轨道是关于建立“准备就绪度”。这条路径通过教育帮助学生理解技术如何运作、如何融入医院以及如何有效地使用它。这条路径成功地建立了信心和采用新工具的意愿。第二条轨道是关于“管理忧虑”。这条路径处理的是伦理、公平以及医疗中人性化关系的沉重且严肃的问题。研究表明，技术上的熟悉感无法解决这些问题。你不能仅仅通过教授足够的代码知识，就让学生停止担心算法是否公平地对待患者，或者他们的数据是否安全。这些不是可以通过教育填补的知识空白；它们是无论你掌握多少知识都会持续存在的职业判断。

这对我们如何教授医学具有重大意义。如果医学院继续沿用“教授技术会自动解决所有恐惧”的设计思路，他们可能忽略了工作的另一半。研究人员建议采用双轨制课程。教育的一部分应侧重于技术素养，确保学生知道如何操作和理解这些工具。另一部分必须是关于伦理、治理和医疗人性化方面的专门、结构化教学。这第二部分需要将这些担忧视为应当被直接应对的正当职业义务，而非通过更多学习来克服的障碍。研究中的学生能够对AI的未来感到兴奋，同时又对其中的风险持有深刻且理性的担忧。他们不需要在“准备就绪”和“心存忧虑”之间做出选择；他们可以两者兼得。

这项研究并非声称人工智能是坏的，或者应该被避免。它只是表明，我们为医生进行AI准备的方式需要改变。我们不能假设一名擅长使用机器的学生，也一定擅长应对该机器所引发的伦理困境。研究表明，在AI时代，真正的准备需要两种截然不同的学习。一种是构建使用工具的技能，另一种是构建质疑工具的智慧。通过区分这两个目标，医学院可以确保其毕业生不仅具备技术精通性，同时也具备伦理根基，能够在拥抱人工智能力量的同时，不忽视他们所服务的每一个鲜活的人。