当前，新一代人工智能（AI）相关学科发展、理论建模、技术创新、软硬件升级等整体推进，正在引发链式突破，推动经济社会各领域从数字化、网络化向智能化加速跃升，这是一场快速、广泛、深刻的改变。医学领域处在这场技术突破与医疗需求“双向奔赴”的革新前沿中，人工智能正以指数级速度重塑整个医疗行业生态，不可避免地给传统医学教育带来剧烈变化甚至是颠覆式变革。我们要高度重视人工智能给医学发展带来新的机遇和挑战，积极探索医学教育与卫生健康行业的交互新模式，不断强化医教的高效协同，培养具备与AI合作能力的新一代医者，以适应未来医疗领域的发展需求，为“健康中国2030”建设提供高质量的医学人才保障。
南京医科大学学生正在口腔医学虚拟现实综合实训室上课实操 作者供图
人工智能在医学领域的发展历程
医学领域算是人工智能最早探索应用的领域之一，从20世纪50年代的早期萌芽探索发展到今天，可以将这个从理论探索到技术落地系统性变革的历程简单划分为三个阶段。
萌芽探索阶段。20世纪80年代以前可以说是人工智能在医学领域的初步探索阶段。基于规则的专家系统是这一时期的重要成果，系统通过模拟专家的经验和知识，为疾病的诊断和治疗提供辅助建议。像斯坦福大学开发的MYCIN系统就是早期专家系统的典型代表之一，该系统包含了约600条规则，能够根据患者的症状、实验室检查结果等信息，给出细菌感染性疾病的诊断和治疗建议。但由于医学知识的复杂性和不确定性，规则的制定往往难以涵盖所有情况，且系统规则维护成本过高，在这一背景下，概率图模型（如贝叶斯网络）在数据匮乏的六七十年代逐步成为当时医疗AI领域的重要探索方向：朴素贝叶斯模型通过计算疾病与症状之间的概率关系来进行诊断，在症状—疾病关联分析应用中发挥了重要作用。这些早期的人工智能模型虽然功能相对有限，但正式开启了利用计算机技术辅助医疗决策的先河。
融合发展阶段。20世纪80年代以后，随着计算机技术发展和医学数据的积累，人工智能与医学的融合逐渐加深。这一时期的显著特征是数据驱动转型，随着医院信息系统（HIS）和电子病历（EMR）的普及，患者医疗信息实现数字化存储，推动了结构化医疗数据积累，统计学习模型（如逻辑回归、支持向量机）开始应用于疾病预测。例如，基于统计分析的疾病风险预测模型，可用于心脏病、癌症等疾病的预测，帮助医生评估患者的病情发展风险。这一时期，影像处理技术也取得了重要进展，医学影像数据库建设意义重大，计算机辅助诊断系统通过对X光、CT、MRI等影像数据的分析，辅助医生发现病变。在融合发展阶段，人工智能技术的应用范围不断扩大和深入，为后来人工智能蓬勃发展下的医疗创新积累了丰富的实践经验与有力的技术理论支持。
转折变革阶段。进入21世纪，深度学习算法的出现、多模态大模型生态构建为人工智能在医学领域的发展带来重大转折。深度学习算法能够自动从大量数据中学习特征和模式，极大地提高了医学影像分析、疾病诊断和治疗方案制定的准确性和效率。2021年3月23日《国际工程研究与发展》杂志刊发《利用机器学习进行肺癌诊断》一文，研究团队基于卷积神经网络（CNN）开发出一款可用于肺癌早期诊断的深度学习模型，准确率高达95%。如今，基于Transformer架构的多模态数据融合技术的发展使人工智能能够综合多种医学数据（如影像、基因、临床数据等）进行分析，为疾病的精准诊断和个性化治疗提供了更全面的依据。与此同时，智能医疗设备产业迎来了爆发式增长，手术机器人、可穿戴设备等产品不断涌现，5G远程诊疗系统逐渐落地应用，打破了地域限制，实现优质医疗资源共享。本土开源模型DeepSeek的横空出世为国内医疗机构的本地化部署提供了便利，如何推进数智赋能已成为至关重要的赛道。
人工智能重构医疗行业底层逻辑
从专家经验驱动到数据驱动，再到演化为多模态认知智能，纵观人工智能在医学领域的发展历程，我们深刻感知到人工智能正在重构医疗行业的底层逻辑。
理论层面的重构。在数据驱动下医学知识体系在重新构建：如AI通过分析海量医疗数据发现疾病的新型关联模式，AI构建的动态知识图谱整合多源异构数据（药物靶点、病理机制、流行病学等）支持实时更新医学知识库。与此同时，诊疗范式在从“经验导向”“群体化治疗”转向“算法辅助”“个性化干预”。南京医科大第一附属医院基于大模型深度融合医学知识图谱与动态临床数据，构建“大模型中枢+专科智能体”协同诊疗体系，精准赋能医疗个性化场景应用。
实践层面的革新。诊断效能实现了革命性提升，基于基因组学的AI动态治疗方案生成系统正在改写临床实践，治疗方案日趋精准化；医疗管理流程实现了智能化，如智能预约系统、电子病历管理系统、医疗资源管理系统等，极大地优化了医疗管理流程。南京医科大附属苏州医院建设“云水医桥”互联网创新平台，整合智能导诊、多学科会诊、语音交互等功能，实现疑难病例远程诊疗与资源高效配置，截至2025年3月已累计服务319次。
科研范式正经历蝶变。2024年诺贝尔物理学奖和化学奖颁给了来自AI相关领域的科学家，这已引发全球学术界高度关注。人工智能的普及应用促使科学研究转入人工智能驱动范式，AI技术联结了多学科、跨学科知识，建立起科研资源开放共享、学科知识交叉融合的新格局；通用大模型和科研领域垂直大模型应用集成多种数据分析功能，开辟了更为广阔的数据视野和更丰富的研究路径。南医大牵头构建“临床需求牵引—技术研发攻关—成果转化落地”全链条生态，使科研成果与产业需求高效对接，加速前沿技术向临床应用转化落地。附属南京医院心内科团队依托江苏省瓣膜专病队列，开发基于神经网络的风险分层系统，建立"医疗机构—数据平台—生产企业"数据共享机制，推动我国瓣膜介入器械国产替代率进一步提升。
治理能力的挑战与伦理风险的考量。为更好地应对全球科技革命、健康挑战和技术驱动的医疗新范式，2024年11月，国家卫健委发布了《卫生健康行业人工智能应用场景参考指引》，以保障医疗AI的安全、有效应用。当医学AI从单点工具向覆盖预防—诊断—治疗—康复的全链条智能医疗生态系统进化，医疗与教育行业均有诸多问题与挑战需要应对解决：教育变革滞后于人才需求变化、人群的数字素养差距、医疗数据孤岛现象、技术迭代引发的伦理安全等等。建立健全伦理和监管机制、规范人工智能的应用、加强师生数字素养教育等是健康发展的关键。为确保医疗信息安全，保障区域医疗生态稳健运行，南医大多家附属医院均已实现本地化部署DeepSeek，通过自主可控的技术架构与定制化安全策略，显著提升医疗数据治理与系统运行的安全性。
人工智能重塑医学教育
2024年12月，世界慕课与在线教育大会首次提出，全球高等教育进入“智慧教育元年”的概念：教育范式由“师—生”二元结构走向“师—生—机”三元结构，教育场景由有界走向无界，教育资源由用户生成走向智能生成，教育治理由经验主导走向数智询证......医学作为与人工智能融合度最高、链接性最强的学科之一，其医学教育更是迎来了重大的革新挑战与焕新机遇。
重构医学教育范式。一是人才培养目标更新：医学教育从“知识传授”向“能力构建”转变，对医学生的综合诊疗与跨学科协作能力、系统领导力、数字技术与创新素养、健康促进与公共卫生视野等提出了更高的培养要求。二是学科专业结构调整：为应对现代疾病模式的复杂性、多样化的健康需求，以及不断进步的医学技术，医学院校必须密切关注并超前响应未来社会所需，医学信息学、生物医学工程等“医学+”“AI+”交叉学科专业正在积极布局中，人工智能通识课教育也被提到了核心地位。三是教学模式智能化转型。人工智能技术为教育教学提供了新的手段和方法。利用虚拟现实（VR）和增强现实（AR）技术，学生可以更加直观地学习人体解剖学知识、接受临床实践训练等。智能辅导系统则可以根据学生的学习进度和特点，提供个性化的学习建议和辅导，提高教学效果，个性化与终身学习的理念日渐深入人心。
数智赋能医学教育创新发展。南京医科大学高度重视数字化改革，将信息技术与教育教学深度融合，通过建设数字化教学基础设施、更新教育理念教学模式、开发应用教学数字化资源、升级评价和管理监控体系，全面提升教育数字治理效能，助力学生的全面可持续发展。一是加强数字化顶层设计与制度保障。从“十二五”到“十四五”，学校持续实施五大教学工程，通过“优质资源建设工程”“新模式学习社区创建工程”等，推进数据驱动的学校治理模式变革。二是推动数字化教学资源的开发应用。学校自主开发了基于学生自主学习、自评互评的实训平台，共包含6个国家级虚拟仿真实验教学项目、13个省级虚仿项目、53个校级虚拟仿真实验教学项目，为开展个性化学习创造条件，其中自主评分系统在全国临床执业医师考试和水平测试中试用，支持了全国近百家临床教学单位的应用。三是构建线上线下混合式教学模式。构建了以“自主学习，师生互动”为特征的教学新模式，线上与线下、课内与课外、理论与实践、虚拟与现实相结合的“混合式”教学成为新常态，推动了从“以教师为中心”到“以学生为中心”的“学习革命”，2项数字化建设项目获国家教学成果二等奖。四是优化大智慧“教学评管”一体化建设。将校外临床实践教学管理信息化平台与学校一体化教学管理系统有机融合，实现教学资源、教务管理、实践管理、质量测评和监控反馈等功能为一体，强化了人才培养全过程质量监控的实时闭环管理。
（作者系南京医科大学党委书记、江苏省健康研究院院长）
