▋一、AI动摇了什么，又凸显了什么

传统临床教育的逻辑清晰明确：先通过数年时间系统学习医学知识，再在临床实践中跟随导师逐步积累经验，靠时间堆出判断力。但AI正在瓦解这一传统培养模式。知识可以随时从云端调取，初步诊断可以借助算法完成，部分操作正在被智能机器人接手。如果只是充当“会背书的诊断机”，医生的价值无疑将大打折扣。

也正因此，教育界开始迅速调整方向。主流声音认为，AI擅长处理信息，但无法替代临床决策中的价值判断、伦理决策和人文关怀。相应地，医学生除了夯实专业功底外，还需要重点强化另外几种能力：人文共情、提问与批判性思维、团队协作和临床创新。简而言之，AI能让人“知道得更多”，但决定这个“知道”用在哪儿、怎么用的，还得是人。

评价方式也在发生改变。过去习惯以训练时长衡量学习效果，现在越来越多的学校转向胜任力导向医学教育，引入置信职业行为等工具，评价学生在情境化环境中的综合表现。NEJM指出，AI可加速这一进程——它能持续收集学习数据，分析能力短板，在恰当时机推送适配的学习内容，把教育从经验工作变成一门可测量、可优化的科学。从批量培养到精准指导，这一跨越正在发生。

▋二、全球探路与中国“新医科”建设

如果把视野拉高，会发现各国都在相近的时间节点做着类似的调整。哈佛大学Subha Ramani教授归纳出影响下一代医疗人才的五大趋势：AI融入临床与教学、胜任力导向医学教育、社区与慢病照护导向、跨专业教育、医务人员福祉与专业认同。这些都不是孤立的口号，而是实实在在的课程重构。斯坦福大学医学院从2025年秋季起，要求所有医学和医师助理学位学生必修AI课程，把AI素养变成硬门槛。经济合作与发展组织同年的教育政策展望报告，也把数字化时代的终身学习能力摆在了核心位置。2026年，迈阿密大学AI公共关系课程聚焦AI伦理，强调AI教育不能只讲技术，更要讲会带来怎样的社会影响和权力关系。

中国的探索被概括为“新医科”建设，核心是让医学与工学、理学、文学深度交叉。北京大学医学部王维民教授在2025年世界慕课大会上分享了“医学未来学习中心”的构想，希望实现“人人皆学、时时可学、处处能学”。但技术迭代越快，部分研究者的忧虑也越深。北京大学医学人文学院的团队明确提出，AI应用必须配套伦理规范与制度设计。BMJ也曾提出警示，过度依赖AI可能削弱医学生和住培医生的批判性思维，并加剧现有偏倚。技术从来不是中性的，医学教育在拥抱AI的同时，必须刻意保护学生独立判断的勇气和能力。这种张力，将是未来十年医学教育领域的核心命题。

▋三、重医解法：从数字底座到能力画像

在国际趋势和本土挑战面前，重庆医科大学（以下简称“重医”）的教学改革提供了一个可借鉴的样本。作为一所拥有70年历史的医学院校，重医未局限于在个别课程中增设AI内容，而是从数字底座到课程体系、从评价方式到班级组织，进行了系统性重置。

2025年10月，重医“AI医学未来学习中心”正式启动。该中心并非常规意义上的展示厅，而是构建了“AI智能体医院”模拟环境。学生在这里接触的不是标准化患者模型，而是可以模拟各种临床情境的AI患者和辅助诊断系统。校长张泽民院士这样解释其用意：中心要给每个学生建立动态可视化的能力画像，搞清楚每个人的知识弱项和能力长板，然后推送个性化的学习路径。换句话说，以前是用一张课表管所有学生，现在希望做到一人一案，把精准指导落地。

支撑这套体系的，是覆盖全校的数字底座。172间智慧教室、访问量超12亿人次的线上教学平台、覆盖3000余门课程的AI助教，这些数字背后是日常教学行为的数据化。有了这些数据，精准画像才不是空中楼阁。

课程改革的步伐更在于技术平台建设。2022年，学校出版了国内首套医学整合课程数字教材，包含4.3万个数字资源。截至2025年初，这套教材已全面接入DeepSeek大模型，2.7万余名学生可在具备智能问答、资源推荐功能的数字教材系统中开展学习。更具突破性的是同年创办的临床医学“AI医学创新班”，该班并非在原有课程体系上叠加AI相关课程，而是构建了“本研一体、基础临床贯通、AI赋能”的创新培养体系，为每名学生配备了“临床+AI”双导师。首届学生潘思成的感受颇具代表性：“我们大一就接触临床，同时学习AI前沿知识，既能掌握诊疗规范，又能理解AI技术原理并科学运用。”

重医的改革并非一蹴而就，从2009年率先开展“以器官系统为主线”的整合医学改革1.0，到2020年与英国莱斯特大学合作推进在地国际化的2.0版本，再到2023年探索多学科交叉的精英化贯通培养3.0模式，长达17年的医学课程整合经验，为如今AI与医学教育深度融合提供了成熟的跨学科架构。若无这一架构支撑，AI很可能沦为形式化的技术点缀。

与此同时，重医在人才培养上构建了清晰的层次：开设临床医学（钱惪班）、基础医学（钱惪班）等四大教改班，培养拔尖骨干；立项“微无创医学”“影像技术+人工智能”等49个“医学+”微专业，让1000多名学生拥有第二专业出口；建设生物医药、数智影像等3个市级现代产业学院和微无创医学未来技术学院，把产业真实场景引入教学。在专业设置上，学校也主动响应国家“儿科和精神卫生服务年”行动，持续办好儿科学、精神医学等紧缺专业，把人才培养版图和社会需求版图对得更准。

▋四、挑战仍在，方向已然清晰

眼下，临床医学教育的发展方向已然明确：

第一，精准化将逐步取代标准化。当AI能够持续分析学习行为并给出能力诊断，因材施教就不再是口号，而是一项日常操作。重医的学生能力画像还处于起步阶段，但方向无疑是正确的。

第二，人机协同将成为临床训练的新常态。未来的医生必须学会与AI协同决策，相应的，教育评价也需要一套新标准——不是看学生“不用AI能做什么”，而是看“善用AI能做什么”。这类评价远比传统考试复杂，重医正在打造的“AI智能医院”恰好可以作为试验场。

第三，人文素养将获得前所未有的重视。技术越强，人的维度就必须越厚。北京大学研究者提出的“将人文素养提升为比技术专精更底层的核心竞争力”，值得深入思考。在课程体系中，批判性思维、伦理推理、沟通艺术和共情训练不仅不能被压缩，反而需要更早介入、更深植入。

当然，挑战依然存在：不同院校的数字化投入差距可能加剧教育公平问题；部分学生过度依赖生成式AI替代独立思考的风险真实存在；适用于AI时代的医学教育质量标准仍在摸索之中。这些问题都需要在制度层面尽快完善。

（作者：重庆医科大学  陈戈  杨洋  邓世雄）