人工智能技术全科医生培养模式

来源：职称阁分类：医学论文时间：2021-03-07 10:07热度：

　　全科医生(generalpractitioners，GPs)是以维护居民健康为目标，能供给所在社区居民的卫生服务需求，为他们提供治疗、健康知识科普、疾病预防等多方面卫生服务的复合型人才。我国全科医学事业正处于迅速发展阶段，近年来国家也加大了在社会医疗领域及高校全科医学教学方面的投入力度。但全科医生数量严重不足，医疗水平有限，制约了基层医疗卫生服务水平的提高。而全科医生培养过程中面临师资力量不足、培养模式单一，教学内容前沿性不足、涉及知识广度不够，继续教育困难、职业吸引力低等各种挑战，全科医生的培养模式及培养体系亟须进一步完善和丰富。

人工智能技术全科医生培养模式

　　随着科学技术不断发展，人工智能(artificialintelligence，AI)在教育、医学等领域取得了不菲的成就，这也为我国全科医生的培养模式改革带来了新的机遇。人工智能技术具有海量整合、信息挖掘、个性定制等诸多优势，搭乘人工智能快车，全面为全科医生培养赋能，将极大丰富全科医生培养模式并有效提升全科医生的职业吸引力，对推动批量合格、可靠及高服务水平全科医生的培养以及基层优秀全科医生人才队伍的建设至关重要。本文旨在提出传统全科医生培养过程中面临的问题，发现人工智能与全科医生培养结合的契机，探讨基于人工智能技术的全科医生培养解决新方案，以期为人工智能助力我国全科医生的培养提供参考，并对该模式的发展前景及发展方向进行展望。

　　关键词:社区医疗;全科医生;人工智能;培养模式;医学教育

　　当前我国基层社区医疗卫生服务事业正不断发展，而全科医生与社区居民的配比严重不足，提升全科医生职业吸引力，推动大规模高质量全科医生人才队伍建设迫在眉睫。近年来人工智能技术在自动驾驶、数据挖掘、智能机器人等应用中取得了巨大成功，但在全科医生教育培养方面还没有得到广泛的应用，随着新一代人工智能技术的落地及海量医学知识与用于改善临床决策数据的日益增长，利用人工智能技术完成有效筛选、精准辅助及虚拟临床实践来指导全科医生培养的优势愈发凸显。因此，探索基于人工智能技术的全科医生培养模式，提出人工智能技术下的全科医生培养解决方案，对推动我国全科医学事业的进步具有重要的现实意义。

　　1全科医生培养面临的发展机遇

　　现阶段随着我国人口老龄化加剧以及居民生活水平的提升，国家对基层社区医疗卫生服务事业的发展日益重视。全科医生作为居民健康和控制医疗费用支出的“守门人”，长期为社区居民提供各种综合护理相关方面的服务，是社区医疗卫生服务体系中关键的一环，在基本医疗卫生服务中发挥着重要作用［1］。据最新数据显示，截至2016年底，我国全科医生总人数为20．91万人，平均每万人口拥有的合格全科医生人数仅为1．51名［2］，而截至2011年左右美国、德国、英国等西方发达国家平均每千人口配置的全科医生人数分别为1．00名、1．50名、0．70名，相比于我国，这些国家全科医生人数占比大，服务项目覆盖范围广，学历层次及社会地位高［3-4］。为加快转型升级我国医疗卫生事业，解决全科医生在居民配置人数上的不足，推进全科医生人才培养模式制度化及规范化，提升全科医生职业的吸引力及完善各种保障措施，国家陆续出台了各种政策性文件及相应的激励机制。2011年，国务院出台《关于建立全科医生制度的指导意见》，指出人口老龄化、疾病谱变化及各种影响健康的因素增加对我国医疗卫生服务提出了新要求，意见计划到2020年基本形成统一规范的全科医生培养模式和“首诊在基层”的服务模式［5-6］;2018年国务院印发《关于改革完善全科医生培养与使用激励机制的意见》，提出推动医教协同改革、健全及巩固毕业后全科医生教育及继续教育的重要性［6-8］;2017、2018年，国务院先后印发《新一代人工智能发展规划》、《关于促进“互联网+”医疗健康发展的意见》，提出推动医学人工智能发展，探索智慧医疗、智能健康管理及智能养老社区服务体系建设，优化及推进“互联网+”家庭医生签约、教育及科普服务［9］。

　　2人工智能与全科医生培养结合契机

　　人工智能是计算机科学子领域的一门学科，可广义的定义为开发表现出“智能”行为的计算机系统的科学，它专注于理解和创建可执行且具备人类思维特征的计算机算法。从图灵提出“计算机可以思考吗?”开始，AI已经伴随我们走了很长一段路，近年人工智能更是得到了迅猛发展，2016年人工智能击败人类顶尖围棋手，而后人工智能为亚马逊在线商务提供强大技术支撑、为MIT四足机器人Sophia提供动力支撑，人工智能遍地开花。人工智能先进性突出表现在决策管理、自然语言处理(NLP)、影像识别、数据挖掘、智能推荐、机器学习、深度学习和机器人自动化等过程。过去，医学领域已广泛的使用计算机来处理包括临床数据管理、生物医学工程应用程序开发以及临床决策支持等。如今，医学信息以惊人的速度增长，大量信息过载，由于记忆方面的限制，医生很难跟上步伐。而随着计算机计算能力增强及软件算法性能的突破，AI技术迎来了阶跃式发展。AI凭借更快、更准地诊疗，有效、高速地对海量病变信息，药物数据甄别筛选，高重复性、低错误率的工作模式等优势，正在医疗保健、医学诊疗和医学人才培养指导等方面发挥着重要作用［10-11］。在医疗保健及医学诊疗方面，AI可以通过影像识别、深度学习及数据挖掘等算法整合大量数据并补充其决策过程来确定诊断和推荐治疗方法，从而辅助医生诊治，医生仅需要解释结果和向患者传达建议;NLP算法结合语音识别以及智能推荐算法可以代替使用键盘来输入，实现非接触式信息检索及关键信息呈现;决策管理可实现大量数据信息的筛选，协助医生快速、准确地做出有利于患者健康的决策;机器人自动化可代替人的双手，帮助患者实现自理及手术治疗。在医学人才培养方面，利用数据挖掘算法可以从大量冗余的教辅信息中筛选具有针对性的学习内容，采用深度学习算法实现差异化定制不同个人的个性化学习策略，针对知识空白及时提供反馈信息，并督促进度;决策管理、影像识别及深度学习算法可以通过不断收集、存储及整合更新海量病历、基因报告与医药说明信息，构建基于最新医疗数据信息的AI系统知识库和模型，打造从本科到研究生以及专业培训等范围的终身学习连续体，为医务工作者提供继续医学教育支持;利用AI技术开发VＲ虚拟仿真环境及智能辅导系统，辅助医学生进行虚拟临床实践进而增强动手实践能力。全科医生作为医生职业中的大类，在医学专业技能及临床技能上需要强大的知识储备，借助AI技术为全科医生培养赋能，重构全科医生的培养、培训及再教育模式，对加快推动批量合格全科医生培养及高质量全科医生队伍建设，推动智能医疗、“互联网+医疗健康”服务及支撑体系的建制和完善具有重要作用。

　　3全科医生培养过程中面临的问题

　　全科医生需要经过长时间的培养并接受广泛的培训，然后才能成为最终的专家。尽管过去的几十年中医学取得了重大突破并发生了巨大变化，我国全科医学教育体系也不断完善，但全科医生培养过程依然面临严峻问题。

　　3．1师资力量不足，培养模式

　　单一培养批量合格的全科医生的关键在于强大师资队伍的建设，目前我国全科医学教育培训机构数量严重不足，师资队伍以专科、本科为主导，高层次人才匮乏。据统计截至2016年，我国具备批量培养农村定向全科医学生的本科院校有73所，具备授予全科医学硕士学位的授权单位共113个，由中央财政向培训机构倾斜拨款的遴选全科专业培训基地共744家;在师资学历上，我国全科医生总量中，专科学历占37．4%、本科学历占38．4%;在职位头衔上，职称以初级为主，占据全科医生总数量的74．8%［6］。目前我国全科医生培养模式单一，实现全科医生同质化培养困难。在不断探索过程中主要形成了以“5+3”为主的5年医学本科教育加上3年全科医生规范化培养的全科医生培育过程，以“3+2”为辅的3年临床医学专科教育加上2年的助理全科医生培训的助理全科医生培养模式［12］。而针对不同层次学历学位学生、不同就业对象群体以及不同服务群体的全科医生培养过程我国尚缺乏相应文件，对培育过程中出现的多层次、多形式特点还未结合具体情况形成布局合理的分层培训考核机制与规范。

　　3．2新诊疗信息更新滞后，知识广度不足

　　随着医学知识的发展和最新医学检查技术的开发，全科医生已有的知识技能面对的人群及可处理的疾病变得局限，加之培训教材的内容更新、手续审批、重新印刷发布过程缓慢，与时俱进的全科医学知识和技能体系构建变得迫切。目前我国全科医生知识及技能的提升策略一般采用调查研究、统计分析、策略部署、技能培训等方面，缺乏对全科医学专业图书内容系统性的整理与研究［13］，面临如何利用大数据关键技术开发具备疾病预防与预测的智能医疗知识库体系，推动突破大数据在公共卫生中的应用半结构化和非结构化数据量呈几何级数增长，传统的分析技术面临着较大的冲击和挑战［14］。

　　3．3继续教育面临问题，职业吸引力不够

　　当前知识型社会和医疗行业的许多现实问题要求全科医生承担起更大的责任，全科医生则需不断发展和完善他们的技能。当下全科医生培养过程中依旧存在重点抓动手实践而应付式地接受理论知识的现象，尽管多年的实践锻炼，专业经验、知识和技能的增长会给全科医生带来更高的医疗质量，但专业化却是发展和完善全科医生技术、提高医疗质量的关键组成部分，终身学习是保证全科医生专业化的前提，因此全面实行全科医生继续医学教育举足轻重。目前，我国全科医生继续医学教育形式多样，包括现场面授、网络课程教学、教学活动类教育、杂志阅读等［15］，而已有调查结果却表明继续教育过程中存在教学内容脱离社区实际需求、教学过程缺乏互动性与实践性、培训内容碎片化等［16-17］诸多问题。此外，虽然国家出台相关政策来支持全科医生的培养，提出了提升全科医生职业吸引力的解决方案，但该职业的宣传度、扶持力、吸引性仍表现低迷。研究调查结果显示，全科医生对自身职业不满意者近半数，矛盾主要集中于工作压力、薪酬待遇水平、职位评比等方面［18］;刘忠仁等［19-20］的统计结果表明，全科医生的离职意愿高，影响因素主要包括地区因素、学历水平、工作强度、晋升压力等方面。

　　4人工智能技术下全科医生培养方案

　　针对全科医生培养过程中面临的各种问题，并基于AI技术在自动驾驶、教育、医疗诊断等领域取得的巨大突破，本文通过分析不同AI算法与全科医生培养结合的可能性，提出了基于AI技术的全科医生培养解决方案。

　　4．1支持教育服务，丰富培养模式

　　医学的本质是通过从过去的数据中获得洞察来告知临床决策，专业的全科医学教育工作者无疑是从过去大量的临床数据中利用实验总结、理论分析及统计决策手段总结经验进而传授知识。在AI技术的支持下，通过机器学习便可在短时间内训练出具备某类专业知识储备、可像临床医生一样处理复杂问题的AI教育服务系统，这类AI系统不仅能够实现教育资源合理分配，而且单个系统就能支持大量人口，同时兼具大规模推广应用性，非常适合于专业全科医学教学资源缺乏的教学服务领域及师资力量亟须扩充的高校与培训机构。此外，AI技术的强大之处在于其强大的数据搜集与数据处理能力，AI技术的引入将使得传统全科医学的教育模式发生颠覆性变化，极大丰富了现有全科医学培养模式。具体表现在，通过收集学生的学习活动信息及教师的教学活动信息，利用数据驱动手段，可对学生的日常学习行为可能出现的误区、偏差进行判别与早期干预;通过数据挖掘算法对全科医学教育大数据信息进行充分分析挖掘，获得不同学生的学习行为特征及不同授课教师的授课特色，以此来为不同学生个人提供合理的学习路线和差异化的学习模式推荐;利用大数据手段对学生的学习行为习惯进行反馈，还将实现辅助教师合理修改教学内容，达到加强师资队伍建设的目的。其成功的应用表现如由高教社与网易联合推出的MOOC在线教育平台，成功实现了AI赋能教育，给传统高等教育模式带来了变革。

　　4．2整合海量医学资源，打造智慧医疗知识库

　　各医院及科研单位时刻都生成并记录着海量临床诊疗信息，各出版社每年都会刊发海量的医学研究成果，这些大数据往往包含十几亿条有关患者、治疗、药物、手术程序、研究结果等相关的条目，这些信息及成果或涉及最前沿的医学信息。利用AI技术对这些大数据进行整合处理，在帮助改善患者服务，确定和实施适当的患者治疗方法，支持临床治疗或监测的同时，也为构建与时俱进的智慧医疗知识库提供了支撑。通过整合海量医学资源，构建知识库的方法可有效辅助全科医生培育及教育过程中的知识查询及知识拓宽，保证接受知识的新颖性与前沿性。

　　4．3线上智慧医疗教学，赋能人才吸引

　　全科医生忙碌于社区基层，所分布的地区差异性大，线上继续教育模式将成为全科医生接受继续教育的主要渠道。5G+AI技术通过赋能信息化教学方式，能够使信息快速传播，使全科医学教学模式变得更加灵活;将AI技术与虚拟现实技术相结合，可打造独具智慧的线上智慧医疗教学实验室，通过虚拟仿真实验方式可获得仅次于亲手实践操作的临场实践感;通过构建AI评估反馈体系，可评估继续教育阶段的教学效果，增强交流互动性，为后续提供更加优质化的教学服务提供依据;通过利用AI技术，实现智能补全碎片化学习内容，帮助构建系统化知识内容体系。

　　5总结与展望

　　本文首先分析了我国全科医学教育现状，概括了当前全科医生培养所面临的发展机遇;然后，总结了AI在具体应用和技术上所取得的进步，论述了AI技术在推动批量合格全科医生培养过程中将发挥的积极作用;接着，概括了我国在全科医生培养上所面临的三大难题;最后针对三大难题，提出了利用具体的AI技术解决问题的策略。本文探索的AI+全科医生培养模式，符合国家医疗服务业发展需求，研究成果具有一定的前瞻性，可为发展AI与全科医生培养新模式提供借鉴。未来，在AI技术发展的浪潮下，批量合格全科医生的培养及优秀全科医学师资队伍的建设必将迎来新机遇。

　　作者：陈国湘李俊韦华阳婧李广志黄彬苏拾香曹聪

文章名称：人工智能技术全科医生培养模式

文章地址：http://www.zhichengg.com/yxlw/18652.html

上一篇：糖皮质激素雾化治疗儿科呼吸系统的效果
下一篇：糖尿病自我护理能力及负性情绪的影响