施偉偉

醫(yī)學(xué)知識的爆炸式增長使醫(yī)生掌握全面知識越來越不可能。醫(yī)學(xué)知識數(shù)量超過了人類思維的組織能力[1]。上世紀(jì)末的數(shù)據(jù)已經(jīng)告訴我們，每年有超過60 萬篇文章發(fā)表在生物醫(yī)學(xué)文獻(xiàn)中。如果一個學(xué)生每天閱讀2 篇文章試圖跟上文獻(xiàn)，那么這個盡職盡責(zé)的個人將在1年內(nèi)落后800多年。當(dāng)今社會只會更加凸顯這個矛盾。醫(yī)學(xué)教育正在迅速變化，受到許多因素的影響，包括醫(yī)療環(huán)境的變化、醫(yī)生角色的變化、社會期望的改變、醫(yī)學(xué)科學(xué)的快速變化以及教學(xué)技術(shù)的多樣性。社會期望的變化越來越重視患者的安全，長期以來的“看一個、做一個、教一個”的教學(xué)方法已不再可接受。

1 人工智能（AI）和醫(yī)學(xué)教育

人工智能（AI）用于醫(yī)學(xué)教育是個新趨勢[2]，AI 這個術(shù)語出現(xiàn)于1956 年，從那以后，人工智能已經(jīng)取得了很大的進(jìn)步[3]。人工智能的第一個進(jìn)展側(cè)重于神經(jīng)網(wǎng)絡(luò)的構(gòu)建。它們模仿人類大腦獲取輸入并從給定數(shù)據(jù)產(chǎn)生輸出的能力。大約在20 世紀(jì)80 年代，這些人工神經(jīng)網(wǎng)絡(luò)發(fā)展到“機(jī)器學(xué)習(xí)”變得流行的程度。機(jī)器學(xué)習(xí)是指機(jī)器瀏覽數(shù)據(jù)和查找模式的能力，從而從數(shù)據(jù)中學(xué)習(xí)，然后將其應(yīng)用于問題以做出明智的決策[4]。機(jī)器學(xué)習(xí)之后出現(xiàn)了深度學(xué)習(xí)的趨勢，這是一個更復(fù)雜的機(jī)器學(xué)習(xí)子集，不需要人工干預(yù)機(jī)器就可以進(jìn)步[5]。使用更基本的機(jī)器學(xué)習(xí)的機(jī)器進(jìn)行預(yù)測，如果那些建議錯誤，那么仍然需要人工指導(dǎo)才能做出更好的預(yù)測。具有更高級深度學(xué)習(xí)能力的機(jī)器可以推斷出他們是否已經(jīng)自己做出了良好的預(yù)測并繼續(xù)學(xué)習(xí)這些推論。如今的AI 機(jī)器結(jié)合了機(jī)器學(xué)習(xí)和深度學(xué)習(xí)，這些機(jī)器可以應(yīng)用于各種學(xué)科。醫(yī)學(xué)教育中使用AI 技術(shù)也需要符合教育本身的目標(biāo)，包括：促進(jìn)基本知識獲取、增強(qiáng)感知變異、提高技能協(xié)調(diào)、練習(xí)處理突發(fā)或重要事件、學(xué)習(xí)團(tuán)隊(duì)訓(xùn)練和提高精神運(yùn)動技能。在研究生培訓(xùn)方面，課程重點(diǎn)也發(fā)生了變化，從簡單的知識獲取到展示學(xué)習(xí)者能力的需要。

2 人工智能引入腫瘤分子生物學(xué)、腫瘤病理學(xué)和腫瘤影像學(xué)

研究生腫瘤學(xué)教材的更新面臨困難，最主要是腫瘤的診療進(jìn)入“高速時代”，包括腫瘤內(nèi)科、腫瘤外科、腫瘤微創(chuàng)、腫瘤影像學(xué)以及分子診斷學(xué)等等。當(dāng)生命科學(xué)的研究進(jìn)入后基因組時代[6]，腫瘤學(xué)也隨著分子生物學(xué)的發(fā)展也進(jìn)入了一個嶄新的階段，從腫瘤的多階段到腫瘤防治的新概念，從腫瘤的遺傳易感到早期檢測，腫瘤分子生物學(xué)的迅猛發(fā)展必將為促進(jìn)臨床腫瘤學(xué)和臨床預(yù)防腫瘤學(xué)的發(fā)展提供新的機(jī)遇和挑戰(zhàn)[7]。本世紀(jì)初，哈納漢與溫伯格提出了六個“癌癥的標(biāo)志”。2011 年3 月，兩位科學(xué)家回溯了自上篇文章發(fā)表后的十年里癌癥生物學(xué)界所取得的進(jìn)展。又共同撰寫了《癌癥的標(biāo)志：下一代》（Hallmarks of Cancer：The Next Generation）。在癌癥標(biāo)志理論的指引下，腫瘤藥物治療和十年前相比進(jìn)展驚人[8]，也給腫瘤專業(yè)的課程帶來了難題，學(xué)生拿著上一年的教材對應(yīng)最新的發(fā)展，在思考教材陳舊的同時，其實(shí)面對的是腫瘤分子生物學(xué)進(jìn)展帶來的教學(xué)難點(diǎn)。

研究生腫瘤學(xué)課程設(shè)置需要有機(jī)地將腫瘤學(xué)與病理學(xué)進(jìn)行整合，在腫瘤學(xué)知識中鋪墊病理學(xué)知識，既能鞏固病理學(xué)知識，又能聯(lián)系具體病種，讓學(xué)生深刻體會腫瘤學(xué)知識。病理學(xué)是研究人體疾病發(fā)生的原因、發(fā)生機(jī)制、發(fā)展規(guī)律以及疾病過程中機(jī)體的形態(tài)結(jié)構(gòu)、功能代謝變化和病變轉(zhuǎn)歸的一門基礎(chǔ)醫(yī)學(xué)課程。病理學(xué)一直被視為是基礎(chǔ)醫(yī)學(xué)與臨床醫(yī)學(xué)之間的“橋梁學(xué)科”[9]。病理學(xué)教學(xué)任務(wù)艱巨、教師匱乏、培訓(xùn)和交流明顯不足，然而腫瘤診療對于病理NGS 二代測序技術(shù)和FISH 熒光原位雜交等很多知識需求旺盛，借助人工智能，傳統(tǒng)上病理教學(xué)難點(diǎn)將在很大程度上被解決。利用大量數(shù)字化影像進(jìn)行訓(xùn)練，人工智能系統(tǒng)能夠提供準(zhǔn)確率遠(yuǎn)超人類病理學(xué)家的診斷結(jié)論，甚至發(fā)現(xiàn)頂尖病理學(xué)家也無法發(fā)現(xiàn)的、極為細(xì)小的病征。人工智能將為醫(yī)生和病理學(xué)家提供重要的診斷與治療建議[10]。

人工智能引入研究生腫瘤課程很重要的部分是腫瘤影像學(xué)[11]?，F(xiàn)代影像學(xué)使腫瘤的臨床分期更精確，已經(jīng)成為腫瘤臨床治療的主要決策依據(jù)之一。人工智能從最早的輔助文書寫作到參與癌癥診療各方面。早期發(fā)現(xiàn)、早期診斷對于成功治療惡性腫瘤是非常重要的。患者體內(nèi)的腫瘤往往最常通過醫(yī)學(xué)成像技術(shù)檢測。今天的放射科醫(yī)生收集到的數(shù)據(jù)超過了他們在一個班次中人工工作的數(shù)據(jù)。2015 年在一份放射學(xué)雜志上發(fā)表的一項(xiàng)研究表明，平均放射科醫(yī)生必須每3～4 秒解釋一張圖像，以跟上他們的日常工作量 。機(jī)器也可以獲得比人類同行更多的數(shù)據(jù)，這可能意味著AI機(jī)器可以比人類更準(zhǔn)確地檢測癌癥[12]。傳統(tǒng)上的研究生影像教學(xué)內(nèi)容相對陳舊，教學(xué)手段單調(diào)，主要是通過幻燈、投影等方式展示大量的X 線平片、CT、MRI 等影像資料，通過授課講師按部就班地講解，靠學(xué)生死記硬背，教學(xué)效果較差，使得學(xué)生對形態(tài)學(xué)沒有感性的認(rèn)識，難以形成有效記憶。教科書上的內(nèi)容雖然都是典型病例，但和臨床實(shí)踐存在脫節(jié)，尤其是日后真正到臨床工作中實(shí)用性較差。醫(yī)學(xué)基礎(chǔ)教育與臨床脫節(jié)。導(dǎo)致學(xué)生上課時學(xué)到的知識到臨床中發(fā)現(xiàn)無法一一對應(yīng)，因此需要對現(xiàn)有的教學(xué)模式和教學(xué)方法進(jìn)行改革和創(chuàng)新，將新技術(shù)、新方法應(yīng)用到教學(xué)中，拓展教學(xué)內(nèi)容、豐富教學(xué)手段，以深化教育改革為措施。腫瘤影像教學(xué)意義不僅局限在提供診斷意見，而且還可以進(jìn)行預(yù)后預(yù)測。這點(diǎn)在研究生教學(xué)中可以起到良好的作用，在研究生的課題設(shè)計(jì)和執(zhí)行，可以更好地提供切入點(diǎn)。

由佛羅里達(dá)大學(xué)計(jì)算機(jī)視覺研究中心的工程師開發(fā)的深度學(xué)習(xí)算法在肺癌的準(zhǔn)確檢測方面非常成功。工程師向AI 輸入了1 000次CT 掃描，教它如何診斷肺癌。這項(xiàng)研究發(fā)現(xiàn)人工智能機(jī)器可以比人類自己的診斷能力提高30%[13]。把AI 用于本科生和研究生教學(xué)，可以提供大量同類型對照，有利于學(xué)生掌握每個疾病的全面影像特點(diǎn)，這是傳統(tǒng)教學(xué)所不能提供的。肺癌早期篩查早期治療的普及，使影像科壓力倍增，對肺結(jié)節(jié)AI 的需求旺盛?，F(xiàn)階段市場上肺結(jié)節(jié)AI 產(chǎn)品，基本上實(shí)現(xiàn)的是肺結(jié)節(jié)的檢出功能，為臨床提供結(jié)節(jié)鑒別診斷的量化信息，諸如大小、體積、位置，部分AI產(chǎn)品甚至可以精確定位到肺段，少數(shù)AI 產(chǎn)品具備結(jié)節(jié)的良惡性的提示以及圖文報告[14]。這些都比傳統(tǒng)上只對應(yīng)描述惡性結(jié)節(jié)特點(diǎn)進(jìn)行教學(xué)要生動很多，并且更有說服力。這些都為有效利用AI 進(jìn)行教學(xué)提供了前期基礎(chǔ)條件。

3 AI 布局還有較長的道路要走但可以加速研究生腫瘤學(xué)教學(xué)改革

大多醫(yī)療人工智能在醫(yī)學(xué)院所依然是試用階段，其可能的主要應(yīng)用方式可以分為：直接單獨(dú)作為軟件給醫(yī)療和教學(xué)機(jī)構(gòu)；與信息化系統(tǒng)集成后提供；與醫(yī)療器械合作與硬件一起提供；通過遠(yuǎn)程醫(yī)療提供給基層醫(yī)療機(jī)構(gòu)；通過互聯(lián)網(wǎng)醫(yī)療的方式直接提供給患者。在直接提供給醫(yī)療機(jī)構(gòu)的模式中，大量未接云端的系統(tǒng)和醫(yī)院局域網(wǎng)的限制都有可能影響影像人工智能系統(tǒng)的使用。流程優(yōu)化仍需要進(jìn)行大量的實(shí)踐來探索。

歷史充分證明，課程變革一般是漸進(jìn)和被動的。已發(fā)生的變化更多是基于問題的學(xué)習(xí)和臨床技能測試，并沒有從根本上改變醫(yī)學(xué)院的課程設(shè)定。2017年8月，發(fā)表在《神經(jīng)學(xué)遺傳學(xué)》（Neurology Genetics）雜志上的一項(xiàng)惡性膠質(zhì)母細(xì)胞瘤腫瘤病例報告表明，在得到同樣的信息后，IBM Watson 用10 分鐘提出了一個治療方案，而專家團(tuán)隊(duì)使用了160 個小時[15]。這一結(jié)果并不能簡單地看做是機(jī)器的勝利，而是凸顯了知識更新速率與人類效率之間的矛盾。鑒于新時代的特點(diǎn)和課程需求，21 世紀(jì)醫(yī)學(xué)教育的變化必須要加快步伐，甚至可以說需要更“激進(jìn)”，需要徹底改革。這也就是AI 能加速引入研究生腫瘤教學(xué)的機(jī)會。