医生发起17连推：AI时代医学教育重构之道

斯坦福医生 jonc101x 于 11 月 13 日在 X 上发起 17 部分长线程，讨论当可随时访问超级智能 AI 系统时医学教育应如何重构，引发关注。他的核心结论是：医学教育真正需要改变的不是往课程里添加什么内容，而是「如何教学」本身。

已确认

开篇观点：医学训练中最该停止教授的是三羧酸循环（Krebs cycle），作者称这是该领域少见的接近全票共识，多年间几乎未见同行异议。
线程要点一：AI 素养现在必须是医学核心能力（core competency），而非可选的专科方向。
要点二：独立的临床判断仍然不可或缺，与 AI 共同学习和工作不应削弱这种判断力。
要点三：更大的问题不是往课程里添加什么材料，而是必须改变「我们如何教学」。
作者援引 MIT 的 AI in Education 报告，主张医学胜任力不应局限于任何具体工具或学科，而是持续适应、不断重学「行医实践本身」的能力；教育机构的真正价值也需在此框架下重新讨论。
AAMC（美国医学院协会）已发布官方报告，定义了贯穿医学教育全阶段（从在校到执业）的 AI 能力要求，是医学教育界对 AI 的系统性回应。
斯坦福案例：作者与 Vishnuravi 等 AI 医学教育工作组成员描述斯坦福面对一夜之间颠覆培训假设的技术，如何从「快速部署」转向「分阶段整合」的 AI 引入策略。
斯坦福医学院正处于十年一遇的课程改革中途，而 AI 带来的变化以年甚至以月计，如何应对仍是未知数。
作者形容「潘多拉魔盒已开」：包括学生在内的人们已在大量使用 AI，尽管普遍感觉尚未获得充分训练与准备。

该线程触及医学教育在 AI 时代的核心张力：知识记忆类内容（如生化通路）的价值下降，而临床判断与 AI 素养的重要性上升；「改教学方法而非加内容」为课程改革提供了方向性思路。
AAMC 报告与斯坦福课改案例表明，这一讨论已从个人观点上升到制度层面；而课程改革以十年计、AI 变化以月计的时间尺度错配，正是各医学院校面临的共同难题。

2026-11-13 ~ 2026-11-13 · 11 条相关