Kanaparthy是一名执业内科医师，专门从事临床信息学。当选总统唐纳德·特朗普（Donald Trump）挑选的教育部长琳达·麦克马洪（Linda McMahon）如果得到参议院的确认，她将在未来几年与人工智能（AI）时代教育日益增长的不确定性作斗争。特别是在医学教育领域，人工智能在如何明智地教育未来的医生方面提出了新的挑战。
除非医学院进行适当的管理和指导，否则现在帮助有经验的医生的人工智能工具可能会对接受培训的医生造成不利影响。医学教育的领导者必须快速有效地区分人工智能在医学中的使用和人工智能在医疗教育中的使用。学习和行医是不同的
住院医师要求初级医生承担越来越大的责任，直到他们能够提供独立的护理。接受培训的医生需要多年的时间才能培养出经验丰富的医生的直觉和综合知识。
人工智能工具对每个人来说都是新的——专业人士、学生和教育工作者都面临着学习曲线。虽然经验丰富的医生必须学习如何将新工具应用于现有的日常工作和实践，但他们正在建立在长期经验和对如何照顾患者的深刻理解之上。另一方面，居民们正在学习提供护理。虽然人工智能辅助工具可能看起来像是繁忙的学员的欢迎礼物，节省了宝贵的时间，但它们可能会无意中充当捷径，可能会损害基本技能。
如果没有通过住院医师培养的判断力、直觉和经验，早期职业医生可能无法发现人工智能所犯的错误。学习专家已经清楚地证明，人们在不同的人生阶段学习方式不同。例如，教育家马尔科姆·诺尔斯的研究表明，成年人和儿童吸收信息的方式不同。同样，居民需要与经验丰富的同龄人不同的教育方法。Kolb体验式学习模型提供了一个有用的框架：学员经历具体体验、反思性观察、抽象概念化和积极实验的阶段。
每一步都强化了他们不断发展的专业知识，而他们学习中的捷径可能是有害的。例如，环境人工智能工具越来越多地用于监听患者与医生的对话；它们会自动转录病历供医生审查。这些工具大大加快了记录速度，被广泛吹捧为医生节省了大量时间。但是，对于受训者来说，记录是一项重要的技能，他们练习从患者、患者图表和相关医学文章中吸收信息，使他们能够阐明并记录计划。
虽然这是一个缓慢的迭代过程，但这磨练了住院医师的分析和诊断能力。通过外包医疗文件的技能，并且在培训期间没有教师的反馈，人工智能将剥夺居民的关键成长经历。并非所有AI工具都适合培训
虽然许多人工智能工具专注于提高临床效率和患者结果，但它们在教育方面也有作用。生成式人工智能工具可以通过使用大型语言模型、自适应学习系统、虚拟现实和增强现实等技术彻底改变医学教育。
这些工具可以在无风险的环境中创建沉浸式模拟、个性化学习计划和交互式患者场景。为了实现这些好处，个性化是关键。为了确保未来训练有素的医生能够明智地将人工智能与自己的判断相结合，医学院和医院应该要求所有这些工具的开发人员在他们的产品中包括“培训生模式”。一个旨在优化忙碌医生时间的系统不应该盲目地应用于仍在学习医学艺术的受训者。这些自定义模式将为早期职业医生量身定制功能。
根据特定的产品及其使用情况，教师或主管应该能够向上或向下拨号辅助功能。成功实施这些模式还需要对主管和教育工作者进行教育。他们必须承担额外的责任，通过指出人工智能的陷阱并采取措施确保医生培养明智的人类判断力，以及负责任和合乎道德的实践，确保受训者适当学习。如果世界末日到来，工具消失，他们应该让居民做好同样出色的准备。
人工智能是未来——如果我们尊重它的极限和我们自己的极限
毫无疑问，辅助人工智能工具是未来的发展方向，就像电子病历在他们那个时代一样。当电子病历取代手写或打字记录时，许多医生抱怨道，但现在它们已成为常态。人工智能已经在拯救生命，例如预测患者的败血症。如果我们想要最好的医疗保健，那么教授和让学员接触最有效的技术非常重要，但不能以建立健全的医疗基础为代价。
我们生活在一个激动人心的时代，技术正以惊人的速度发展。权力越大，责任越大。开发人员和教育工作者都必须为我们的学员量身定制人工智能工具。