ChatGPT對智能醫學工程專業人才培養的影響及應對策略

摘要：ChatGPT作為新興的生成式人工智能工具，給智能醫學工程專業人才培養帶來了新的發展契機與挑戰。本文首先探析 ChatGPT的技術優勢對智能醫學工程專業發展的促進作用與人才培養證候；其次，提出了ChatGPT背景下智能醫學工程專業教育證候的應對策略，并探索人才培養的新模式；最后，展望了 ChatGPT 在智能醫學工程專業人才培養中的應用前景，同時，分析了其技術局限性。隨著人工智能和醫學的深度交叉融合，固有的人才培養模式已不能滿足時代發展的需求，應迅速轉向智能型的中國式現代化教育，從而提高智能醫學專業人才的培養質量。

關鍵詞：人工智能；大型語言模型；自然語言處理；高等學校；學科建設

ChatGPT集成了深度學習、無監督學習、指令微調、多任務學習、情境學習、強化學習等多種技術，功能強大[1]。它建立在初始GPT（生成式預訓練變壓器）模型的基礎上，目前，該模型已經從GPT-1迭代更新到了GPT-5[2]。作為一個接受圖像和文本輸入并發送文本輸出的大型多模態模型，ChatGPT在各種專業和學術基準上表現出人類水平的性能[3]。智能醫學工程專業的學生在學習傳統醫學診斷的基礎上，以大數據、深度學習等新興技術作為支撐，將人工智能與醫學相結合，探索人工智能技術在醫學領域的應用，將技術轉化為生產力，協同創新人機交互技術，將大數據、云計算和臨床診療相融合，探究生命與疾病的聯系與規律[4-9]。培養可使用大數據等人工智能技術輔助診療的醫學工作者，使之成為兼具醫學知識與人工智能專業數據處理能力的高素質、綜合型人才[10-13]。

在人工智能尤其是ChatGPT的沖擊下，和醫學相關的崗位會被逐漸取代。人們曾經依賴知識的積累和技術的提升而掌握的職業能力已逐漸無法與人工智能的“實力”相抗衡[14-16]。同時，智能醫學專業學科的發展也不再是“涇渭分明”的細化式分科，而具有“交叉性”乃至“融合性”的學科屬性，學科之間的“壁壘”正在被逐步打破[17]。因此，那種主要以發展人的“智育”，單純通過學習和積累知識、提升技能，過于細化的分科式教育，即工業化的教育模式已無法適應未來智能化時代的發展和需求了[18]。

一、影響：ChatGPT的流行成為智能醫學專業建設不可忽略的重要因素

ChatGPT的流行對智能醫學專業建設具有重要影響。智能醫學利用人工智能技術來輔助醫學研究、診斷和治療，有助于提高醫療效率、減少診療錯誤、改善患者護理水平。而ChatGPT可為智能醫學專業的發展提供更多的機會和需求。

（一）進步：ChatGPT 的技術優勢促進智能醫學專業建設的發展

首先，ChatGPT的流行加速了醫療信息化的進程。在應對大規模疫情時，準確的數據分析和及時的數據共享變得尤為重要。智能醫學可以通過匯集和分析大量的醫療數據，為相關機構提供更好的決策支持和實時的疾病監測，從而提升公共衛生系統的響應能力。

其次，ChatGPT的流行強調了遠程醫療的重要性。隨著社交距離的要求，人們更加依賴遠程醫療服務來獲取醫療咨詢和診斷服務。智能醫學技術可以通過遠程監測、在線診斷和即時溝通，實現醫生和患者之間的聯系，減少人員流動和疾病傳播風險。

最后，ChatGPT的流行還加速了醫療機器人和自動化技術的發展。醫療機器人可以在無人區域執行任務，減少人員接觸風險；自動化技術可以提高醫療設備的診療效率和精確度。智能醫學專業需要關注這些新興技術的應用和發展，以滿足未來醫療領域的需求。

ChatGPT的流行對智能醫學專業建設產生了深遠的影響。利用人工智能技術，智能醫學可以改善醫療效率、提升醫療質量，并為未來的公共衛生挑戰提供更好的解決方案。

（二）方向：ChatGPT 與智能醫學專業的技術融合優勢

實現ChatGPT 的技術優勢和智能醫學專業的特征的融合，是解決未來醫療資源短缺問題的突破口。ChatGPT 的技術優勢主要體現在如下幾個方面：

1. 數據分析和挖掘：ChatGPT 在大數據和人工智能領域有著強大的技術實力。智能醫學需要處理和分析大量的醫療數據，以提取有用的信息和模式。利用ChatGPT的數據分析和挖掘技術，有助于發現新的醫學知識、改善診斷的準確性，并為個性化醫療提供支持。

2. 機器學習和深度學習：ChatGPT 在機器學習和深度學習方面擁有領先地位。這些技術可以用于智能醫學中的圖像診斷、病理分析、藥物研發等任務。通過訓練模型自動識別和分類疾病特征，可以幫助醫生更快速、準確地做出診斷和治療決策。

3. 自然語言處理：ChatGPT 在自然語言處理技術方面擁有豐富的經驗。智能醫學需要處理和理解大量的醫學文獻、病歷記錄等文字信息。利用ChatGPT的自然語言處理技術，可以實現自動化的信息提取和文本分析，幫助醫生更好地應用醫學知識。

4. 虛擬現實和增強現實：ChatGPT 在虛擬現實和增強現實領域有著先進的技術。這些技術可以應用于智能醫學中的手術模擬、康復訓練等方面。通過創建逼真的虛擬環境或將信息疊加在真實世界中，醫生和患者可以更直觀地進行交互，有助于提高診療效果。

5. 云計算和邊緣計算：ChatGPT 具備強大的云計算和邊緣計算能力。智能醫學需要處理和存儲大規模的醫療數據，并進行實時的計算和決策。利用ChatGPT的云計算和邊緣計算技術，可以實現高效、安全的數據管理和分析，從而為患者提供快速、可靠的智能醫療服務。

（三）沖擊：ChatGPT 對現有智能醫學的傳統教學模式提出挑戰

1.對現有智能醫學專業培養方式的沖擊

首先，課程設置的更新：ChatGPT技術帶來了許多新的應用和工具，可以用于智能醫學領域。因此，現有的智能醫學專業課程需要進行更新，以納入ChatGPT技術相關的知識和技能培養。例如，數據分析、機器學習、深度學習、自然語言處理等方面的課程均可以加入課程設置，以滿足行業的需求。

其次，實踐教學的豐富化：ChatGPT的技術創新提供了更多的實踐機會，可以幫助學生在智能醫學領域獲得更多的經驗和技能。例如，學生可以參與基于ChatGPT技術的醫學影像分析、病理學模擬、虛擬手術等實踐項目，從而更好地理解和應用相關知識。

再次，合作研究的機會增多：ChatGPT的技術優勢吸引了許多醫療機構和研究機構與其進行合作。這為智能醫學專業的學生提供了更多的合作研究機會。學生可以通過參與真實的醫學研究項目，了解行業前沿和發展趨勢，同時提升自身的科研能力。

最后，就業崗位的擴展：ChatGPT的技術應用給智能醫學專業的畢業生提供了更廣闊的就業機會。例如，醫療機構、科技公司、研究機構等領域，對具備ChatGPT技術背景的智能醫學專業人才的需求逐漸增加。這為學生提供了更多的就業選擇。

ChatGPT的技術優勢對現有智能醫學專業的人才培養方式產生了積極的沖擊，推動了課程更新、實踐教學豐富化、合作研究機會增多、就業崗位的擴展等。這有助于培養更適應行業需求的智能醫學專業人才，并推動智能醫學領域的創新和發展。

2.對現有智能醫學專業建設的沖擊

首先，技術不成熟：盡管人工智能和機器學習等技術已經取得了一些突破，但在醫學領域的應用仍面臨挑戰。例如，目前，智能系統很難完全模擬和替代醫生的臨床判斷能力，亟需更精確的算法來應對復雜的醫學情況。

其次，數據隱私和安全問題：智能醫學依賴于大量的醫療數據來訓練和優化算法。然而，這些數據通常包含患者的敏感信息，如病歷、基因組數據等。保護患者隱私和相關數據的安全性是一個重要的問題，需要制定相應的政策和措施。

再次，倫理和法律問題：智能醫學的發展也引發了一系列倫理和法律問題。例如，當智能系統做出醫學決策時，誰來承擔責任？如果系統犯錯導致患者健康受到損害，應該如何追究責任？此外，需要明確智能系統與醫生的關系，確保智能技術能夠輔助醫生而不是取代醫生。

最后，專業知識和技能更新：智能醫學領域的發展速度非常快，醫生和其他醫療專業人員需要不斷更新自己的知識和技能，以適應新技術的應用和變化。這對于現有的醫學教育體系和培訓機制提出了一定的挑戰，需要及時調整和改進。

二、教育癥候：ChatGPT 的風靡提高了智能醫學專業學生的培養難度

首先，由于智能醫學技術與傳統醫學知識的結合，智能醫學專業學生需要具備跨學科的知識背景，包括醫學、計算機科學、機器學習等領域的基礎知識。這就要求教育機構幫助學生構建全面且專業的知識體系，以滿足學生的需求。

其次，智能醫學領域發展迅速，新的技術和算法層出不窮。這就需要教育機構及時更新課程內容，確保學生能夠學到最新的知識和技能。教師團隊也需要不斷進行專業的研究和實踐，以保持教學內容與行業的同步。

再次，智能醫學涉及醫療數據的處理和隱私保護問題，學生也需要了解相關的法律規定、倫理困境和隱私政策。因此，在培養學生時，教育機構和教師需要注重培養學生的法律和倫理意識，使其能夠在實踐中正確處理敏感信息，并遵守相關規定。

最后，實踐環節也是智能醫學專業學生培養的重要組成部分。學生需要通過實習、實驗等方式接觸真實的醫療場景和數據，掌握實際應用技能。因此，合理安排實踐機會，并與醫療機構建立合作關系，為學生提供實踐平臺，是培養優秀智能醫學專業人才的必要條件。

盡管智能醫學的風靡提高了學生培養的難度，但同時也為學生提供了更多的機會和發展空間。通過與行業合作、持續更新課程內容和實踐環節，教育機構可以適應智能醫學領域的需求，為學生提供優質的教育和培養。同時，學生也需要積極主動地學習和適應新技術，不斷提升自己的專業素養和職業技能。

三、對策：ChatGPT 與智能醫學專業的融合發展

（一）更新課程內容

教育機構應根據智能醫學的發展趨勢，及時更新智能醫學專業的課程內容，如引入相關的計算機科學、人工智能、機器學習等專業知識，并將其與傳統醫學知識相結合，培養學生的跨學科能力。

（二）提供實踐機會

為了讓學生能夠應用所學知識，教育機構可以與醫療機構、科技公司等建立合作關系，為學生提供實習、實驗等實踐機會。這種方式可以讓學生親身參與智能醫學項目，了解智能醫療的實際應用場景，提升實踐能力。

（三）建立專業師資隊伍

教育機構應致力于建立一支專業的師資隊伍，其中應包括醫學專家、計算機科學專家、數據分析專家等，讓學生在擁有豐富經驗和專業知識的教師的指導和培養下，獲得專業能力、綜合素養的全面提升。

（四）強調數據隱私與倫理意識

智能醫學涉及大量的醫療數據，學生需要具備相關的法律、倫理和隱私保護意識。教育機構應加強對學生的法律倫理教育，并在課程中重點強調數據隱私和倫理問題，培養學生正確處理敏感信息的能力。

（五）提供終身學習機會

智能醫學領域的技術和知識更新迅速，學生需要不斷學習和更新自己的知識。教育機構可以提供終身學習的機會，例如持續教育課程、學術研討會等，讓學生能夠緊跟行業發展的腳步。

以上對策可以促進ChatGPT與智能醫學專業的融合發展，為學生提供全面的教育和培養，從而滿足智能醫學領域對人才的需求。

四、展望：ChatGPT為智能醫學專業帶來的改變和風險

（一） 改變：ChatGPT 促使傳統的智能醫學專業建設方式發生改變

1. 強調跨學科合作：傳統的智能醫學專業側重于醫學和計算機科學兩個領域的知識，但在現實應用中往往需要更多的跨學科合作。因此，教育機構可以引入更多相關學科，如數據科學、人工智能倫理學等，以促進不同領域之間的交流和合作。

2. 實踐導向的教學：教育機構和教師可以為學生提供更多的實踐機會，例如與醫療機構、科技公司合作開展實習實訓或項目合作。這樣的實踐經驗能夠讓學生更好地理解智能醫學的應用場景，培養其實際操作和問題解決能力。

3. 更新課程內容：隨著智能醫學技術的不斷發展，課程內容也需要及時更新。教育機構應引入最新的技術和理論，如機器學習、深度學習、自然語言處理等，以使學生的知識與能力緊跟行業的發展。

4. 提供創新思維的培養：智能醫學領域需要具備創新思維的人才，因此，教育機構應加強對學生創新意識和能力的培養。

5. 激勵合作與共享：教育機構應建立更多的合作與共享平臺，鼓勵學生之間、學校之間、學術界與工業界之間的交流與合作。這種方式可以促進資源的共享與能力的優勢互補，推動智能醫學專業的發展。

通過以上改變，傳統的智能醫學專業可以更好地適應行業的發展需求，并培養出具備跨學科合作、實踐能力和創新思維的人才。同時，教育機構也需要積極調整課程設置、優化教師團隊，以提供更符合現代社會和行業需求的教育教學。

（二）警示： ChatGPT 的技術局限和應用風險

1. 技術局限：ChatGPT技術雖然具有強大的功能和學習能力，但仍然存在一定的局限性。例如，在處理復雜或模糊問題時，ChatGPT可能無法提供準確的答案或具體的解決方案。此外，ChatGPT技術受限于輸入數據的質量和數量，如果輸入的數據不充分或有偏差，會影響ChatGPT的性能表現。

2. 隱私和安全風險：將ChatGPT技術引入智能醫學時，隱私和安全是需要考慮的重要問題。患者個人的醫療記錄和敏感信息可能會被用于訓練和改進ChatGPT模型，因此，確保數據的安全存儲和傳輸至關重要。此外，未經授權的訪問和濫用個人身份信息的風險也需加以注意。

3. 倫理和道德風險：在醫學領域應用ChatGPT技術時，需要考慮倫理和道德問題。例如，決策過程是否透明、是否可解釋、是否公平、是否符合醫學行業的標準和規范，以及是否尊重了患者的隱私權，等等。

4. 依賴性和失業風險：雖然ChatGPT技術可以提升工作效率和準確性，但過度依賴技術也可能導致對人類專業知識和技能的不斷削弱。此外，部分崗位工作人員可能會因為技術的發展而面臨失業風險。

在把ChatGPT技術應用到智能醫學工程專業建設時，需要綜合考慮上述局限和風險，并采取相應的措施以最大程度地突破局限、減少風險。政府、企業和學術界應共同努力，制定相應的政策、法規和倫理準則，以確保技術的安全和可持續發展。

五、結束語

為有效克服現有智能醫學教育模式的問題，適應國家對未來社會智能人才的需求，我們有必要采取一些措施來改變現有的智能醫學專業建設現狀。傳統工業化的智能醫學教育模式需要適應智能化時代的要求，轉變為能夠滿足中國式現代化發展需求的“智慧型”“融合型”的智能醫學現代化教育。ChatGPT的出現，將促使智能醫學工程專業對人才培養的標準做出相應的調整。涉及以社會需求來改變現有智能醫學教育目標、評價模式、教學方法以及加強教育的個性化與差異化等，尋求更加合理和科學的智能醫學教育教學方式，提高教育質量和效率，促進智能醫學專業學生的全面發展和成長，讓ChatGPT成為智能醫學人才培養的有效手段，為學生的成長和未來的發展打下良好的基礎。

作者單位：李國志 河南中醫藥大學信息技術學院

張娟娟 河南中醫藥大學黨委宣傳部

參考文獻

[1] Stephens L D .ChatGPT in transfusion medicine： A new frontier for patients？[J].Transfusion， 2023， 63（06）：1110-1112.

[2] 焦寶，張雅雯.從元宇宙到ChatGPT：人際傳播場景的回歸[J].東南學術， 2023，（03）：197-205.

[3] 李建華.AI時代的信息安全新挑戰[J].金融電子化， 2023，（09）：38-40.

[4] 魏德健，張夢秋，劉靜，等.中醫藥院校智能醫學工程專業建設路徑探索[J].中國醫藥導報， 2023， 20（07）：73-76.

[5]孫媛芳. 基于問題的學習\"教學模式在醫學影像診斷學臨床實習教學中的應用[J]. 特別健康，2021（22）：112-113.

[6]梁靜，文奕.知識圖譜在醫學輔助診斷中的應用研究[J].醫學信息學雜志，2022，43（11）：34-40.

[7]林梅影.基于大數據醫學類網絡教學資源平臺建設探析——以莆田學院繼續教育學院為例[J].莆田學院學報， 2021，28（04）：99-102.

[8]潘鋒.大數據時代如何加強高質量臨床醫學研究[J].中國醫藥導報，2023，20（01）：1-3.

[9]羅思言，王心舟，饒向榮.基于深度學習的舌象自監督聚類[J].中國醫學物理學雜志，2023， 40（01）：120-125.

[10]王庭槐.聚焦卓越醫學人才培養，引領醫學教育創新發展[J].中山大學學報：醫學科學版，2023， 44（01）：1-3.

[11]薄海美，程光，劉牧，等.新醫科背景下基于崗位勝任力的臨床醫學人才培養模式的構建[J].吉林醫藥學院學報，2023， 44（02）：109-111.

[12]馬凌，武艷，吳萍，等.高水平復合型醫學人才培養模式改革與探索——以首醫階平班為例[J].醫學教育管理，2023，9（01）：8-13.

[13]陳俊香，王丹，陶立堅.醫學人才培養之院校教育特色實踐[J].中國衛生人才， 2023，（02）：22-24.

[14]李偉鋒，杜育任，姚旺，等.我國智能醫學高等教育發展的思考[J].醫學信息學雜志，2021， 42（12）：85-87.

[15]陶茸，魏彥明，葛洪駿，等.人工智能時代下大學生就業現狀及提升路徑探析——以甘肅農業大學動物醫學專業為例[J].就業與保障， 2021，（17）：40-41.

[16]謝建明，冷玥，周光泉，顧忠澤.發揮一流學科支撐優勢，建設智能醫學工程專業[J].交通醫學，2022， 36（05）：458-462.

[17]廖文喆.大數據時代的智能醫學工程專業建設[J].智能城市，2021，7（09）：63-64.

[18]馮朝燕，閔祥德.人工智能在醫學教育中的應用進展[J].中國社區醫師，2023， 39（11）：5-7.