生成式人工智能现在能够撰写患者解释、提出可能的鉴别诊断、建立临床案例,并提供近乎即时的反馈。对物理治疗教育工作者而言,一个很容易出现的问题是:人工智能可以接手多少教学工作?
我认为更重要的问题是:我们如何运用人工智能,同时确保学生仍然学会观察、推理、沟通和承担责任?
物理治疗并不只是产生一个正确的书面答案。学生需要观察一个人的动作,选择并调整检查方法,解释不完整的信息,在不确定中沟通,并安全地回应眼前的患者。人工智能系统或许可以产生有说服力的建议,但它并没有参与这些具身体性和关系性的临床过程。
潜力与审慎
我的 Obsidian 笔记呈现一个一致立场:教育中的人工智能应是增强式,而不是替代式。人工智能可以减少部分认知和文字组织负担,扩大学生思考的问题,并支持形成性反馈。然而,人工智能的第一个回应应被视为待检查的材料,而不是完成答案。
近期临床人工智能研究也提醒我们需要审慎。早期研究和预印本显示,人工智能辅助系统或有助临床人员考虑其他可能性,并产生更个性化的康复材料,但也可能遗漏重要语境、造成自动化偏误,或产生仍须由专业人员修正的患者教育信息。物理治疗教育中的直接证据仍然有限。
先推理的模式
因此,人工智能应被引入为思考伙伴,而不是临床捷径。一个实用模式可简单地应用于课堂、模拟教学或书面案例分析。
- 推理:学生先评估案例并记录初步判断,然后才使用人工智能。
- 咨询:学生请人工智能提出其他可能性、问题、反方观点或反馈。
- 质疑:学生根据证据、患者语境、专业标准和安全要求检查回应。
- 决定:学生说明哪些内容被接受、拒绝或修改。
- 反思:学生指出自己学到什么,以及哪些地方仍然存在不确定性。
对教学的改变
这种结构能使学生的思考变得可见。它也把人工智能素养由懂得写提示语,转化为一种专业能力,当中包括核实、隐私、偏见意识、披露和可问责的判断。
它也区分了学习与表现。人工智能可以帮助学生快速产生一个看似更好的答案,但这并不证明学习已经发生。在临床教育中,发展过程中的努力本身是重要的,因为学生正在成为日后不能外包责任的专业人员。
- 使用刻意设计为不完整的人工智能生成评估或治疗计划,要求学生识别不安全假设。
- 要求学生先完成临床推理图,再咨询人工智能,然后比较改变了什么及原因。
- 把人工智能生成的患者教育材料用作批判、改写和以人为本沟通的练习。
- 允许人工智能改变模拟患者的病史,同时由教师控制学习成果和安全边界。
- 要求学生披露所用工具、目的、核实过程及自己的贡献。
评估仍须保障临床能力
评估仍应重视人工智能不能代学生展示的能力:观察、实践操作、沟通、适应能力和可辩护的临床推理。学生能贴上一段合理的人工智能答案,并不代表他能检查患者、回应困扰、识别红旗或解释治疗决定。
目标并不是保护昨天的作业不受明天的科技影响,而是设计出让科技强化,而不是悄悄取代,物理治疗师培养过程的学习。
本文参考的笔记
- Obsidian 笔记:AI in Physiotherapy Education - Weekly Digest。
- Obsidian 笔记:Generative AI in Teaching and Learning - PolyU Conference。
- Obsidian 笔记:Artificial Intelligence - Foundations and Educational Use。
- Obsidian 笔记:Research Integrity in the Generative AI Era。
- Obsidian 笔记:Should I Use AI for This?,改写自 Olivier 与 Rowe 为博士研究者设计的决策指南。