AAMC AI 醫學教育辯論：臨床判斷比更快答案更重要

AAMC 在 11 月 7 日召集醫學教育工作者及 OpenAI 的健康 AI 負責人，正視一項矛盾：更快取得臨床答案，可能會繞過學生不可或缺的練習。AAMC 的 AI 醫學教育辯論聚焦於未來醫生在依賴可整理資訊並提出決策建議的系統前，必須掌握甚麼。

在 Learn Serve Lead 2026 上，NYU Grossman 的 Marc Triola、UCSF 的 Robert Wachter，以及 OpenAI 的 Karan Singhal 討論了課程內容和教學方式的改變。他們的討論提出一項實際區別：協助有經驗的醫生完成工作，與協助學生培養專業能力，兩者並不相同。

兩種相互競爭的做法是即時 AI 協助，以及受保障的獨立推理機會。全面禁止和不受限制的使用都無法化解這種張力。學校需要證據證明，畢業生無論在有或沒有協助的情況下，都能評估答案、識別遺漏的資訊，並解釋其決定。

AAMC 的 AI 醫學教育討論質疑學校應保留甚麼

11 月 7 日的醫學教育討論是一場座談及報道訪問，並非宣佈具約束力的課程要求。這項區別很重要，因為知名講者的建議並不構成機構標準。

Wachter 主張重新考慮死記硬背的比重，同時保留診斷推理，即解讀病徵以找出疾病可能成因的過程。Singhal 描述了引導學生逐步得出答案的 AI 導師。Triola 則強調，在更快調整教育方式的同時，仍應保留艱難的學習經驗。

核心建議是重新審視：哪些努力有助建立專業能力，哪些努力只是在消耗時間。

這比增設一堂人工智能入門課更困難。一堂課可以解釋術語，卻未必改變學生實踐甚麼、教師觀察甚麼，或考試獎勵甚麼。

試想回憶一項孤立事實，與辨識某個解釋跟病人病歷相矛盾之間的差別。兩者都依賴知識，但對記憶、詮釋和注意力的要求不同。

因此，課程問題不能簡化為學生應記住多少資訊。學校必須決定，當情況變得混亂、資訊不完整或緊急時，哪些知識需要隨時可用。

外部系統可在問題形成後提供解釋。學生仍需要具備足夠理解，才能辨識問題並提出有用的問題。

討論在此超越醫學範疇。任何在具備能力的軟件環境下培養初學者的專業，都面對相似問題：出色的輔助成果可能掩蓋薄弱的基礎理解。

一份寫得流暢的回應，只能讓評估者了解已完成的工作。它不會自動揭示學習者理解、核實了哪些部分，或未經檢視便接受了哪些內容。

這項區別改變了課程現代化的含義。若評估仍只獎勵答案而不檢視學生如何得出答案，以 AI 內容取代舊有教材並不足夠。

更具影響力的改變，是把教學、容許的協助和評估連結起來。學生會知道哪些能力必須獨立展示，哪些任務則需要與軟件有效協作。

這些是辯論所引伸的意涵，而非會議上宣佈的政策。公開討論令學校仍須就實施方式和證據作出決定。

它亦留下了一條未解決的界線。減少低價值的死記硬背聽來合理，但要判斷甚麼屬於低價值，不能只因聊天機械人可以檢索相關資訊便下定論。

醫學知識彼此相連。一項看似可有可無的孤立事實，可能在其他地方支援辨識、詮釋或解釋。

因此，學校需要對所刪除的內容作出站得住腳的說明。最有力的說明應展示，學生仍保留被刪除教材過去所協助培養的能力。

採納課程令評估面臨壓力

醫學院在這次會議前已開始納入 AI。AAMC 在 2025 年 6 月發布的 AI 課程概況指出，在連續調查年度中，作出回應的學校之中，比例由 53% 升至 77%。

報告 AI 課程涵蓋的學校數目，由 2023 年的 88 所增至 2024 年的 140 所。兩次調查的回應群體不同，因此這些數字反映的是已報告的採納情況，而非受控比較。

該概況亦區分 AI 出現於課程任何部分，與納入必修教學之間的差別。在報告有 AI 課程涵蓋的學校中，必修教學由 61 所增至 107 所。

課程涵蓋程度衡量的是機構活動；它並不能證明學生能安全使用 AI，或能在沒有 AI 時有效推理。

這個落差令課程委員會承受壓力。他們需要說明，一項 AI 要求除了接觸術語或示範可用工具之外，還能達成甚麼。

教師亦面對相關的評估問題。當協助工具可產生連貫回應時，完成的文件便較難直接反映學生的貢獻。

問題轉向可觀察的決定。學生認為哪些資訊重要？他們否決了哪個替代方案？甚麼情況會令他們重新考慮？

這些問題令推理過程更可見，但亦需要教師投入時間。學校不能假設購買軟件便等於具備評估學生如何使用它的能力。

學生同樣面對期望不明確的情況。獲准使用 AI 學習，未必代表可提交經 AI 協助的作業，或輸入病人資料。

界線不清可造成不一致的學習經驗。一位教師可能鼓勵使用協助工具，另一位則可能把同一行為視為學生準備不足的證據。

機構的回應應清楚說明這些界線。只要規則遵循清晰的教育目的，不同活動可以有不同規則。

獨立練習可以揭示學生已經理解甚麼。輔助練習則可揭示學生是否發現缺陷、整合有用建議，以及為修訂承擔責任。

兩種練習均不能取代對方。兩者結合後，比泛泛宣稱學生可使用 AI 更能提供有價值的全貌。

相同推理亦適用於採購決定。一項可在臨床工作中節省時間的產品，未必自動提供學生發展情況的證據。

評估教育軟件的機構應問：產品令哪些行為變得可見？它也應問，教師能否檢視足夠的互動過程，以評估這些行為。

這裏亦涉及實際的公平問題。若期望取決於非正式地取得特定工具，學生便可能面對不同的學習條件。

一套站得住腳的評估，應說明可用的協助並評估預期能力。否則，表現可能反映資源差異，與理解差異一樣多。

因此，AAMC 的 AI 醫學教育辯論把評估與課程內容並列。學校需要先界定成功學習是甚麼，才決定每項活動應容許多少協助。

具能力的模型不保證帶來更好的臨床團隊

研究已讓教育工作者有理由區分模型表現與人們配合模型的表現。系統可妥善回答結構化問題，卻未必能協助每位使用者得出更好的結論。

一項 2024 年的診斷推理試驗將 50 名醫生隨機分配使用傳統資源，或使用傳統資源加上 GPT-4。像 GPT-4 的大型語言模型，會根據訓練期間學習到的模式生成文字。

在該研究中，使用模型並未顯著改善醫生的診斷推理表現。單獨運作的模型得分高於兩組醫生。

該試驗涉及以書面情境呈現的臨床個案。它並未證明自主軟件可提供更佳病人照護，亦未證明所有形式的協助均告失敗。

對教育的啟示是，取得具能力的系統與有效協作，是兩項不同的成就。

使用者必須決定提供哪些資訊、如何詮釋回應，以及是否改變原有結論。這些決定既創造改進的機會，也帶來出錯的可能。

對教育工作者而言，這意味軟件熟練度不能止於知道在哪裏輸入問題。學生需要展示自己如何評估由此得出的建議。

設想一項評估：學生收到一個看似合理、但包含未獲支持假設的解釋。關鍵觀察在於學生會否辨識該假設，並檢查其後果。

單純流暢地改寫答案，不能展示這項能力。不加檢視地拒絕系統產出的所有內容，同樣不能。

有用的協作需要選擇性的判斷。學生必須保留合理的推理、質疑薄弱的論點，並說明為何最終答案值得信賴。

更廣泛的研究環境亦令「技術任務」與「人際溝通」之間的簡單劃分變得複雜。AI 開發者正透過對話和書面考試評估系統。

Google 研究人員的對話式診斷 AI研究介紹了 AMIE，這是一套透過與病人演員進行文字對話來評估的研究系統。研究在模擬條件下檢視其診斷及溝通表現。

該工作屬研究比較，並非證明系統可在日常實務中取代醫生。它在此的相關性，在於所檢視的能力範圍。

OpenAI 參與 AAMC 座談，以及 Google 的研究，展示了對同一教育問題的不同貢獻。一方提供開發者觀點；另一方提供實驗證據。

它們並未確立產品之間已有定論的排名，也未劃定軟件永遠不會執行哪些任務的永久界線。

因此，學校應審慎，避免圍繞今日模型的弱點建立整套課程。產品更新後，弱點可能改變，令狹窄的教育策略變得過時。

更持久的目標是評估證據和管理責任。無論系統答案令人印象深刻、不完整，還是難以詮釋，這些能力仍然必要。

這亦重新界定教授溝通的意義。一個令人安心的回應，只是一場需要理解、澄清和達成共識的互動其中一部分。

評估需要檢視學習者是否發現對病人重要的事情。它不應把流暢的語言當作成功對話的唯一證明而給予獎勵。

對企業採購者而言，兩者的對應關係很直接。一場令人印象深刻的示範，展示的是軟件在特定條件下能產出甚麼。

它並不能確立團隊在引入產品後的實際表現。培訓、工作流程設計及評估，決定這種能力能否在實務中發揮作用。

生產性困難應在自動化以外佔一席位

核心取捨在於介入的時機。介入或可改善已完成的任務，卻同時減少完成任務者可獲得的練習機會。

這帶來即時表現與學習之間的區別。表現關乎一個人當下完成了甚麼；學習則關乎其日後能理解和做到甚麼。

學校在把更快完成任務視為教育改進之前，需要取得兩種結果的證據。

試想一項涉及病人訪談的假設學生練習。若軟件即時生成摘要，學生便可閱讀一份條理清晰的記錄，而毋須自行決定如何組織內容。

這種安排或可支援有關編輯的討論，卻較難直接證明學生能否獨立辨識及整理重要資訊。

改變步驟順序，便會改變教育任務。學生可先自行撰寫記錄，然後與輔助版本比較，並解釋當中的差異。

這是說明性的評估設計，並非由 AAMC 會議確立的方案。其目的在於說明，存取規則需要具備教育理據。

在生成可能診斷時，同一區別亦適用。先由學生獨立作出解釋，可讓教師將之與學生其後接受輔助後的回應作比較。

這種比較可揭示學生是經過審慎思考後修正薄弱結論，還是只是採納軟件的建議；亦可顯示學生有理據的異議。

不過，增加難度並不一定有益。若練習耗費時間卻沒有提供有用回饋，便可能令學習者受挫，而無助加深理解。

真正相關的問題是，這種難度讓學生練習甚麼。它是否要求詮釋、解釋或辨識不確定性？回饋是否針對這些能力？

要求獨立完成工作，應能回答這些問題。否則，這可能只是保留熟悉的流程，卻無法證明該流程為何仍具教育價值。

AI 輔導引入了另一項設計選擇。導師可先要求學生作出解釋，再給予回饋，而非立即提供完整答案。

但不提供答案並不等於教學質素得到保證。回饋仍可能不準確、時機不當，或與學生的理解程度不相符。

有意義的評估應檢視學生保留了甚麼，以及能否將所學遷移至陌生問題。滿意度和完成速度描述的是體驗的不同面向。

遷移，即在新情境中運用所學的能力，十分重要，因為臨床問題很少會以完全相同的形式出現。重述一項解釋，所提供的證據比恰當地調整該解釋更弱。

這個區別對知識管理同樣重要。學生需要有方法保存決策背後的證據，包括較早前的詮釋為何有所改變。

對於非臨床學習材料，個人知識庫可支援這類記錄。讓來源材料與筆記保持連結，可令日後覆核更具參考價值。

這種整理角色應與機構處理病人資訊的決定分開。一個方便的學習流程，並不能證明某工具適合用於臨床。

更大的教育機會在於讓修訂過程變得可見。學生可從觀察證據如何改變解釋中受益，而不是把完成的答案視為終點。

設計完善的輔助練習會保留這個過程。它可協助教師分辨獨立理解、有益協作，以及不加批判的依賴。

人類監督需要學校能證明的技能

稱醫生為最終決策者，並未說明監督將如何運作。監督需要足夠的知識、專注力和權限，才能質疑輸出結果。

世界衞生組織的健康 AI 指引指出多項風險，包括不準確回應、私隱問題、偏見及專業技能退化；亦提及自動化偏誤，即過度依賴自動化建議的傾向。

這些風險令「只要有人參與，流程便自然可靠」的假設變得複雜。相關人士必須能夠發現問題，並作出有效回應。

只有當學校能觀察到人實際核查了甚麼，人類監督才是一項教育目標。

學生可能察覺某個回應聽來合理，卻未能辨識其核心主張是否有證據支持。對文字表述的信心，可能取代對證據的審視。

較嚴謹的評估會要求學習者找出最關鍵的主張，並說明甚麼能驗證或反駁該主張。這讓審視過程變得可觀察。

它亦會把有理據的不確定性與猶豫不決區分開來。學生應能解釋甚麼仍屬未知，以及為何這種不確定性會影響下一步。

另一項挑戰是區分正確結論與可接受的推理。一個系統可在倚賴不適用於另一宗個案的假設下，仍然得出預期答案。

若評估只獎勵結論，學生便缺乏理由檢視這項假設。教師亦會失去辨識脆弱理解的機會。

偏見增加了另一個層面。學生需要考慮，看似普遍的主張是否適用於正在討論的人群或情況。

這並不代表要求每位學生審核模型的整個開發過程，而是教導他們辨識何時證據不足以支持廣泛應用。

責任亦不止於個別學習者。學校選擇工具、界定存取權限和建立監督機制。這些機構層面的選擇，塑造學生可合理評估的範圍。

學生無法獨力修正產品未有記錄的行為。機構需要有程序調查問題，並決定是否適合繼續使用。

因此，教師準備工作成為實施的核心。教師需要就何謂有意義的核查，以及學生應如何記錄不確定性，建立共同期望。

否則，監督可能淪為空泛指令。學生被告知要核實所有內容，卻沒有足夠指引了解哪些主張重要，或何種證據才算足夠。

現有研究能解決的問題有其限制。使用書面個案的試驗，無法回答繁忙臨床環境中所有關於表現的問題。

同樣地，具說服力的模擬並不能證實長期學習成效或病人得益。每項評估所回答的問題，都較整體辯論有時暗示的範圍更狹窄。

恰當的回應是讓主張與證據相符。學校可以承認具潛力的能力，同時說明哪些內容尚未在本身的教育環境中接受評估。

這種做法讓採用決定可供檢視，也保護課程不會依賴對 AI 的一概樂觀或一概懷疑。

AAMC AI 教育辯論後值得留意的事

下一批有用訊號將關乎決定和量度結果。在未來數月，課程文件及評估會比另一份概括性的支持聲明更具參考價值。

當學校清楚說明學生必須展示甚麼，並公布他們能否展示這些能力的證據時，進展便會變得可見。

第一個訊號是明確的評估規則。留意學校會否說明哪些任務要求獨立完成，哪些任務容許或要求 AI 輔助。

有意義的政策會把這些規則與某項能力連結，解釋為何獨立工作在某種情境中重要，而輔助表現又為何在另一種情境中重要。

這類政策會加強以下論點：機構正把辯論轉化為教育設計。含糊的許可聲明，則會令核心評估問題仍未解決。

第二個訊號是移除輔助後的學習證據。留意那些在陌生問題上測試學生的評估，而非只為使用工具完成的作業評分。

若結果顯示學生保留了理解，便會支持更廣泛的教育使用。若結果顯示輔助輸出較佳，獨立表現卻較弱，則需要採取更具選擇性的做法。

兩種結果都不足以對每一項產品作出普遍結論。任務、時機、學生經驗及回饋，仍是解讀結果的重要因素。

第三個訊號是教育產品是否讓推理和修訂過程可供評估。留意那些讓教師檢視學生如何回應回饋及修正錯誤的功能。

一個精緻的答案生成器可以展示方便之處；有用的教育系統亦必須協助教師理解學習者作出了甚麼貢獻，以及學習者仍然誤解甚麼。

這些訊號提供了理解 AAMC AI 教育辯論的實用角度，同時不假裝一套既定課程已經存在。尚未解決的工作，是界定和量度能力。

對開發者而言，這帶來一項超越生成準確回應的產品要求。教育價值取決於讓學生的理解變得可見，同時不會不必要地替他們完成學習任務。

對機構採購者而言，這改變了評估問題。相關比較包括學習者其後能做到甚麼，而不只是他們在示範期間完成得有多快。

閱讀下一項課程公告時，應記住這些區別。問問哪些能力仍屬獨立要求、輔助工作將如何評估，以及甚麼證據支持所選定的界線。留意報告保留理解、有用修訂及處理陌生問題表現的評估。把完成速度視為其中一項指標，而非學習的替代品。對下一項學校或供應商公告而言，最具參考價值的問題很具體：學生能否解釋其決定、質疑一個看似合理的錯誤，並把這種理解帶到新個案中？這正是判斷 AI 輔助是否有助培訓最終須為照護承擔責任的醫生所需的證據。