放射科培训中生成式AI使用、监督与政策的多层级视角
本文从多层级视角汇集了从医学预科生到放射科住院医师培训项目主任的学术放射学连续体成员,探讨生成式AI如何重塑培训。学员已积极将生成式AI用于临床翻译和学习效率提升,但机构层面的适当使用指导仍有限,存在数据偏倚和认知技能退化的风险。作者倡导采用「AI意识」教学方法而非禁止性政策,将正式AI教育嵌入医学培训体系。
要点
- 学员已主动使用生成式AI辅助临床翻译与学习,但缺乏机构指导
- 需警惕生成式AI使用带来的数据偏倚和认知技能退化风险
- 建议采用「AI意识」教学而非禁止性政策,将AI教育嵌入培训体系
核心结论
- 放射科培训中生成式AI的整合已超越正式指导,形成「隐性课程」,需建立系统的AI教育与监督政策。
- 应采用「AI意识」教学方法而非禁止性政策,在医学培训全流程中嵌入正式AI教育以培养下一代放射科医生。
研究设计与样本
- 多层级视角,汇集从医学预科生到放射科住院医师培训项目主任的学术放射学连续体成员。
- 研究类型为观点性论述,非系统综述或原始研究,未报告样本量、中心数或具体参考标准。
- 未涉及具体影像设备、序列或成像方案的评价。
诊断标准与关键数值
- 本文未报告敏感度、特异度、AUC、阈值或分级标准等定量诊断指标。
- 未涉及具体疾病的诊断标准或影像分级体系。
临床应用与阅片要点
- 在日常阅片和报告中应意识到学员可能已使用生成式AI辅助翻译与资料整理,带教时应关注其输出准确性。
- 带教老师需关注学员对AI生成内容的依赖程度,警惕因过度使用生成式AI导致基础影像判读能力下降。
- 科室层面应考虑制定生成式AI使用的适当指导框架,而非简单禁止学员使用。
局限性
- 本文为观点性论述,未提供系统性的证据汇总或定量数据支持。
- 文中指出当前机构层面缺乏正式的生成式AI使用指导,存在数据偏倚和认知技能退化的风险。
以上解读依据论文摘要(全文未开放获取或许可不允许翻译转载)。
英文原文(摘要)· 点击展开
The rapid integration of generative artificial intelligence (AI) into medical education has outpaced formal guidance, creating a "hidden curriculum" for learners. This multi-level perspective convenes a panel across the academic radiology continuum, from a pre-medical student to a radiology residency program director, to examine how AI is currently reshaping training. While trainees actively use generative AI models for clinical translation and study efficiency, limited institutional guidance exists for appropriate use, risking data bias and cognitive deskilling. This perspective advocates for an "AI-conscious" teaching approach, as opposed to prohibitive policies, embedding formal AI education in the medical training pipeline to prepare the next generation of radiologists.
引用
- Gurudu, Singh, Henderson, et al. A Multi-Level Perspective on Generative AI Usage, Supervision, and Policy in Radiology Training and Education. Acad Radiol. 2026. PMID: 42772970. doi:10.1016/j.acra.2026.09.005
供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。