人工智能医学教育应用研究的国际图景与趋势.pdf

人工智能医学教育应用研究的国际图景与趋势*陈峰1,2黄国祯3诸葛晶2俞林伟4余新国1摘要：运用文献计量学方法，基于近 10 年来 WebofScience（WoS）数据库中的人工智能医学教育应用研究相关文献，开展关联、聚类、突变等可视化分析，探究国际人工智能医学教育应用研究现状、研究热点和发展趋势，发现机器人辅助手术培训、智能评价反馈系统和智能虚拟仿真系统是国际人工智能医学教育的研究热点，其研究演进遵循从标准化到个性化、从实体空间到虚实融合、从关注独立思考到人机协同决策这一脉络，以期为我国人工智能医学教育研究工作者提供参考和情报支持。关键词：人工智能，医学教育，文献计量，人机协同中图分类号：R-05文献标识码：A文章编号：1002-0772(2024)02-0067-05DOI：10.12014/j.issn.1002-0772.2024.02.14International Landscape and Trends in the Application of Artificial Intelligence in Medical Education Research CHENFeng1,2,HUANG Guozhen3,ZHUGE Jing2,YU Linwei4,YU Xinguo11.Artificial Intelligence Education Department,Central ChinaNormal University,Wuhan 430079,China;2.Information Technology Center,Wenzhou Medical University,Wenzhou 325035,China;3.Graduate Institute of Digital Learning and Education,National Taiwan University of Science and Technology,Taibei 106344,China;4.Social Science Department,Wenzhou Medical University,Wenzhou 325035,ChinaAbstract：UsingbibliometricmethodsandliteratureontheapplicationofartificialintelligenceinmedicaleducationintheWebofScience(WoS)databaseinthepastdecade,thispaperconductsvisualanalysissuchascorrelation,clustering,andmutationtoexplorethecurrentstatus,researchhotspots,anddevelopmenttrendsofinternationalresearchontheapplicationofartificialintelligenceinmedicaleducation.Itisfoundthatrobot-assistedsurgicaltraining,intelligentevaluationandfeedbacksystems,andintelligentvirtualsimulationsystemsareresearchhotspotsininternationalartificialintelligencemedicaleducation.Theresearchevolutionfollowsthecontextfromstandardizationtopersonalization,fromphysicalspacetotheintegrationofvirtualandreality,andfromfocusingonindependentthinkingtohuman-machinecollaborativedecision-making.ItishopedtoprovidereferenceandintelligencesupportforChineseresearchersinthefieldofartificialintelligencemedicaleducation.Key Words：artificialintelligence,medicaleducation,bibliometrics,human-machinecollaboration人工智能在教育中的应用已经有 30 多年的历史1。随着人工智能技术的迅猛发展，人工智能教育已经成为教育领域的一个重要研究方向，它为基础教育2、成人教育3和工程教育4等领域带来了创新和改进。尤其值得关注的是人工智能对医学教育的潜在影响，包括提供个性化学习路径与反馈，提升教育质量和效果，以及辅助临床决策，对医学生和医生的诊疗决策具有重要帮助。然而，通过对人工智能医学教育应用的综述进行分析，发现目前的综述主要集中于人工智能对医学教育影响的观点描述与解释，主要使用调查和个人评论等定性研究方法，而缺乏基于文献计量学等定量研究方法的客观回顾和总结，以及对人工智能医学教育应用历史演进和未来发展的分析。因此，本文旨在拓展先前相关综述文献的研究视野，聚焦于 AIMEd 领域的历史演进与未来发展趋势。运用文献计量学方法，基于近 10 年来 WebofScience（WoS）数据库中 AIMEd 相关文献，通过关联、聚类和突变等可视化分析，揭示国际人工智能医学教育应用研究的现状、研究热点和发展趋势，以期为我国的人工智能医学教育应用研究者提供参考和情报支持，推动我国在人工智能医学教育应用领域的发展。1研究方法1.1数据来源文献计量学研究需要从公认的数据库中收集可靠的数据，以确保分析和输入数据的可靠性5。WoS 数据库是国际公认的反映科学研究水准的数据库，本文选取 WoS为数据检索平台，检索词是通过参考之前研究6而设置，*基金项目：2022 年国家自然科学基金项目（62277022）；2020 年浙江省教育科学规划课题（2020SCG163）1.华中师范大学人工智能教育学部湖北武汉4300792.温州医科大学信息技术中心浙江温州3250353.台湾科技大学数字化学习研究所台湾台北1063444.温州医科大学社会科学处浙江温州325035作者简介：陈峰（1983-），男，温州医科大学高级工程师，华中师范大学博士研究生，研究方向：人工智能医学教育、人机融合智能。通信作者：余新国（1962-），男，博士，教授，研究方向：智能科教。E-mail：医学教育探索医学与哲学 2024年 1月第 45卷第2期总第 733 期Medicine and Philosophy,Jan 2024,Vol.45,No.2,Total No.73367检索期选定为“2013.01-2022.12”，检索词为(Artificialintelligence OR Machine intelligence OR Artificial neuralnetwork*ORMachinelearningORDeeplearn*ORNatu-rallanguageprocess*ORRobotic*ORThinkingcomputersystemORFuzzyexpertsystem*OREvolutionarycomputa-tion OR Hybrid intelligent system*)AND(Medical educa-tion*ORMedicalteachingORMedicallearningORMedi-caltraining)。共检索到文献 366 篇，去掉重复文献 1 篇，去掉与主题无关文献 2 篇，得到 363 篇文献数据集。1.2研究方法通过 Python 对收集的数据集进行统计分析，呈现年度文献发表数量、国家和机构的分布、出版来源期刊分布、关键词词频和突现词的统计和可视化。通过 CiteSpace 对数据集开展可视化分析7，揭示了合作的国家、研究人员和机构的集群，关键词聚类集群，共引突变时间线等。2国际人工智能医学教育应用研究的基本现状2.1发文时序统计和趋势图 1 显示了 20132022 年近 10 年国际人工智能医学教育应用研究文献发表的趋势。根据发文量，研究的演变可以分为三个阶段。第一阶段为 20132015 年，年发文数量为 9 篇左右，年发文数量不多，增长趋势相对缓慢。第二阶段为 20162018 年，呈现稳定增长，年发文数量从 2016年的 15 篇增加到 2018 年的 22 篇。第三阶段为 20192022年，文献量快速增长，发文数量由 22 篇急剧增加至 93 篇。可以看出，国际人工智能医学教育应用研究的文献自2015 年以来呈现连年增加的趋势，近几年特别是 2018 年后更是呈现出增速加快的趋势，这表明相关研究日益受到国际学界的关注。此外，人工智能医学教育应用研究的文献主要涵盖了四大领域，分别是计算机科学跨学科应用领域（80 篇）、卫生保健科学与服务领域（68 篇）、教育科学领域（67 篇）和外科学领域（52 篇）。0204060801001202013 2014 2015 2016 2017 2018 2019 2020 2021 2022年发文数量/篇年度109922124764829315y=1.522 7x26.780 3x+14.967R2=0.980 1图 120132022 年人工智能医学教育应用研究趋势图2.2发文机构和国家统计表 1 显示了文献数量排名前十的机构和国家。从发文机构来看，国际人工智能医学教育应用研究主要来自英美的知名高校和医疗机构，在前 10 发文机构中美国的高校和医疗机构数量最多，占据 8 家，这与美国在人工智能和医学领域的领先地位有关。另外，除了传统的学术机构，梅奥诊所（MayoClinic）、哈佛医学院（HarvardUniversity）等医疗机构也在发文机构中占有一定比例，这表明医疗实践与学术研究在人工智能医学教育应用领域的紧密结合，医疗机构在推动人工智能技术在医学教育中的应用方面发挥了重要作用。从国家来看，来自美国的研究者最多，出现过 175 次，其次是加拿大（46 次）、英国（38 次）和中国（28 次）。文献作者来自美国的记录数占比达 48.2%，可以看出，国际人工智能医学教育应用研究近年来显著增长，但近一半的贡献来自美国。同时，从合作聚类中也可以发现，跨国、跨机构的合作研究贡献也非常重要。表1文献数量排名前 10 的机构和国家机构频次国家记录数MayoClinic（梅奥诊所）27美国175HarvardUniversity（哈佛大学）22加拿大46UniversityofCaliforniaSystem（加州大学系统）16英国38UniversityofLondon（伦敦大学）14中国28UniversityofToronto（多伦多大学）14德国17HarvardMedicalSchool（哈佛医学院）12澳大利亚15StanfordUniversity（斯坦福大学）12荷兰14UniversityofTexasSystem（德州大学系统）10印度12PennsylvaniaCommonwealthSystemofHigherEducationPcshe（宾夕法尼亚联邦高等教育系统）9意大利11UniversityofMichigan（密歇根大学）9西班牙102.3发文期刊统计期刊是重要的学术信息交流载体，载文量可以直接表征期刊传递学术信息能力的高低。图 2显示了排名前20的期刊，这些期刊涉及了医学、教育、健康科学等多个领域，表明国际人工智能医学教育应用的研究涵盖了多个学科和专业领域。同时，部分期刊如 Mayo Clinic Proceedings、Journal of Surgical Education、Academic Medicine 等具有较强的医学教育专业针对性，这反映了人工智能在医学教育中的应用具有较高的专业性和针对性。另外，发文量较多的期刊中，有多本教育类期刊，如 Journal of Surgical Educa-tion、BMC Medical Education 等，这表明教育的实践和研究在人工智能医学教育中具有重要地位。3国际人工智能医学教育应用研究的热点探析3.1关键词词频统计关键词是文章核心内容的提炼和总结，具有重要的信息价值。它们具备两个基本功能：一是反映文献的研究主题，二是通过关键词的动态变化，揭示该领域关注议题的变化趋势8。文献数据集共有 328 个关键词，其中按计数排名前 20的关键词列于表 2。机器学习（machinelearning）出现在 47篇文献中（16.93%），绩效（performance）出现在 28 篇文献中（16.56%），机器人手术（roboticsurgery）出现在 24 篇文献中（13.01%），深 度 学 习（deeplearning）出 现 在 19 篇 文 献 中（12.88%），虚 拟 现 实（virtualreality）出 现 在 18 篇 文 献 中（11.78%），图 3 进一步显示了近 10 年来热门关键词的演变。3.2高频突现关键词通过对突现关键词的分析可了解某一时期内正在兴起的研究主题。为把握国际人工智能医学教育应用领域人工智能医学教育应用研究的国际图景与趋势陈峰等医学与哲学 2024年 1月第 45卷第2期总第 733 期68Medicine and Philosophy,Jan 2024,Vol.45,No.2,Total No.733 发展趋势，本研究进一步对突现关键词的特征进行分析。近 10 年国际人工智能医学教育应用领域的研究发展大体可以分为三个阶段，与文献发表的三个阶段相似，见图 4。第一阶段是 20132015年，该阶段的主要突现关键词为外科 训 练（surgicaltraining）、课 程（curriculum）、结 果（out-come）、解剖（dissection）。表明在近 10 年早期 3 年里，重要研究点在面向医学生外科训练课程方面，其中关于课程（curriculum）的突现度达到 2.43，表明外科训练的相关课程将是下一阶段的研究前沿热点。第二阶段是 20162018年，这个阶段的突现关键词比较多，包括机器人手术（roboticsurgery）、微 创 外 科（minimallyinvasivesurgery）、大 数 据（bigdata）、验 证（validation）、手 术 室（operatingroom）、胜 任 力（competence）、虚 拟 现 实（virtualreality）。其中胜任力（competence）和机器人手术（roboticsurgery）的关键词突现度最高，表明这一阶段的研究更关注医学生机器人手术胜任力的研究与实践。第三阶段是 2019年至今，这个阶段有 8 个突现关键词，包括分类（classification）、工具（tool）、模型（model）、管理（management）、糖尿病性视网膜病变（diabeticretinopathy）、人工智能（artificialintelli-gence）、数字健康（digitalhealth）、自然语言处理（naturallanguageprocessing）。其 中 人 工 智 能（artificialintelligence）的关键词突现度最高，达到了 9.16，分类（classification）和模型（model）的突现度也比较高。表明这一阶段随着人工智能技术的发展，研究者主要关注人工智能技术如自然语言处理、算法模型等在智能医学中的应用研究。DIAGNOSTICSSURGICAL ENDOSCOPY AND OTHER INTERVENTIONAL TECHNIQUESJMIR MEDICAL INFORMATICSINTERNATIONAL JOURNAL OF ENVIRONMENTAL RESEARCH AND PUBLIC HEALTHFRONTIERS IN PUBLIC HEALTHDIGITAL HEALTHPOSTGRADUATE MEDICALJOURNALJOURNAL OF ROBOTIC SURGERYJOURNAL OF DIGITAL IMAGINGIEEE ACCESSBMJ OPENANATOMICAL SCIENCES EDUCATIONMEDICAL EDUCATIONMEDICAL TEACHERADVANCES IN HEALTH SCIENCES EDUCATIONACADEMIC RADIOLOGYBMC MEDICAL EDUCATIONACADEMIC MEDICINEJOURNAL OF SURGICAL EDUCATIONMAYO CLINIC PROCEEDINGS3444445555567889141516210510152025图 2人工智能医学教育应用研究排名前 20 的期刊表2出现频次排名前 20 的关键词关键词频次集中度首次出现年份machinelearning机器学习470.142016performance绩效280.142015roboticsurgery机器人手术240.052016deeplearning深度学习190.222015virtualreality虚拟现实180.102017skills技能160.052015outcome结果150.152015simulation仿真140.072013curriculum课程120.152015validation验证120.042016surgicaleducation外科教育100.072016classification分类90.032019experience实践80.072015graduatemedicaleducation毕业后医学教育80.012015model模型80.032020competence胜任力80.032017operatingroom手术室70.042016diagnosis诊断70.142015algorithm算法70.052020tool工具70.0620133.3研究热点基于以上分析，结合基础科学指标数据库（essentialscienceindicators，ESI）高被引论文的深入研读，当前国际人工智能医学教育应用研究热点可归纳为以下内容。3.3.1机器人辅助手术培训机器人辅助手术的迅速兴起并逐渐取代了传统的手术模式。正如 Dharia 等9所预测的那样，手术机器人在外科教育和远程手术中扮演着主导角色。外科医生不仅需要医学知识来与患者交流，还需要学习如何与智能手术机器人合作10。因此，人工智能医学教育应用研究中一个重要的问题是如何培训新手外科医生进行机器人辅助手术11。学习曲线是衡量医生手术学习过程的指标，通常通过医生熟练执行所需的最小病例数来量化。许多因素会影响个人或团队在机器人辅助培训中的学习曲线，包括态度、自信心和先前的相关经验等。目前改善学习绩效的研究工作主要集中在如何开发高效和标准化的机器人辅助手术培训课程12。然而，如何最安全和最有效地开展机器人辅助手术培训仍存在许多问题，比如工作时间限制、医疗和法律问题，以及手术机器人系统的独特操作设置等13。因此，为解决这些问题，有必要对基于虚拟现实（virtualreality，VR）的手术模拟器进行研究，以帮助新手外科医生在手术人工智能医学教育应用研究的国际图景与趋势陈峰等医学与哲学 2024年 1月第 45卷第2期总第 733 期Medicine and Philosophy,Jan 2024,Vol.45,No.2,Total No.73369室外学习，并评估模拟环境对他们在安全培训环境中学习结果的影响14。此外，帮助医学生应对人机协同医疗中的人机协同工作模式的挑战，以及医学伦理问题仍然是研究人员关注的重要研究课题之一15。#0 residents#1 medical education#2 machine learning#3 robotic surgery#4 surgical training#5 undergraduate education#6 health information#7 medical education technology#8 deep learning#9 medical training#10 phase analysis图 3热门关键词演变图Top 15 keywords with the strongest citation bursts2013-2022KeywordsYearBeginStrengthEndSurgical trainingMedical studentsDissectionCurriculumOutcomeRandomized controlled trialRobotic surgeryMinimally invasive surgeryBig dataValidationOperating roomCompetenceVirtual realityClassificationToo1ModelManagementDiabetic retinopathyArtificial intelligenceDigital healthNatural 1anguage processing2013201420142015201520152016201620162016201620172017201920132020202020202018202120212013201420142015201520152016201620162016201620172017201920192020202020202021202120211.781.421.282.431.991.372.402.341.641.541.333.651.422.171.372.641.981.329.161.361.36201620152019201720172019202020192019202020192019201820202020202120212021202320232023图 4高频突现关键词3.3.2智能评价反馈系统绩效评价一直是人工智能医学教育应用研究非常关注的研究热点之一16。为了提高培训绩效，及时评价医学生的表现非常重要。问卷（questionnaires）被认为是当前医学教育绩效评价中最常用的工具和方法17，其他评价方法和工具包括手术器械的客观运动学（objectivekinematicsofthesurgicalinstrument）18，技 术 技 能 的 客 观 结 构 化 评 估（objectivestructuredassessmentoftechnicalskills）19，精神运动警戒任务（psychomotorvigilancetask）16，威斯康星卡片分类测试（Wisconsincardsortingtest）16和 NASA 任务负荷指数（NASAtaskloadindex）20等。然而，考虑到医学教育中技能培训的次数和时长，通过人工手段，运用这些工具和方法开展评价和反馈会非常耗时。因此，自动评价反馈系统非常有必要，它可以通过经过验证的客观指标，如自动绩效指标（automatedperformancemetrics）21提供一个真实的、反馈驱动的全沉浸式仿真平台进行测量，从而为医学生的技能培训提供实时评价和反馈22。在技术上，已有一批研究人员专注于探索机器学习和深度学习等人工智能技术，面向受训者开发自动评价反馈系统23。基于仿真平台产生的大量数据集，通过模型优化24和数据驱动的算法25等自动分析医学生的知识理解水平和技能操作能力26。3.3.3智能虚拟仿真系统在过去 20 多年中，VR 作为一种迅速增长的通用技术，已经成为教学工具的一种形式27。特别是在外科手术培训等复杂且不容错误的教学实践中，将 VR 融入其中变得尤为重要。以往的实证研究表明，整体上来说，在 VR 模拟器中进行基本技能的练习可以提高医学生的技能水平。VR 环境使医学生能够在虚拟实验室中掌握学习曲线的初期部分28，从而实现更有效的培训计划。然而，对于更复杂手术的高级技能培训，研究表明 VR 无法帮助医学生表现得更好29。因此，未来的研究问题之一将是如何优化VR 以支持更复杂的医学技能培训。在这个研究主题上，国际研究者已经开始探索将人工智能技术整合到 VR 中30。医学生根据他们在 VR 中模拟的简单任务或程序的表现被分成不同的组，而人工智能技术则能为不同的组提供个性化的指导。目前，这方面的研究文献还不多。考虑到人工智能算力的指数增长能力，预计在未来几年内对这个主题的研究将会增加。4国际人工智能医学教育应用研究的演进解读人工智能医学教育应用研究方向和研究热点在近几年加速出现，可以看出，人工智能医学教育应用是一个还在发展中的研究领域。人工智能技术的发展，特别是以ChatGPT 为代表的生成式人工智能的发展，正在深刻地变革着医学教育的方方面面，包括教学、学习、管理、评价人工智能医学教育应用研究的国际图景与趋势陈峰等医学与哲学 2024年 1月第 45卷第2期总第 733 期70Medicine and Philosophy,Jan 2024,Vol.45,No.2,Total No.733 等。从总体来看，国际人工智能医学教育应用研究的演进遵循着利用人工智能技术提高医学教育质量这一条主线，并呈现出以下特征。4.1个性化学习：从强调标准化到强调个性化个性化学习是国际人工智能医学教育应用研究的重要方向之一。学生在医学教育中具有不同的学习需求和能力水平。通过应用人工智能技术，可以根据学生的特点和需求，提供个性化的学习路径和内容。例如，基于学习分析和数据挖掘技术，可以实时监测学生的学习进度和理解情况，并为其提供个性化的建议和指导。此外，利用自然语言处理和机器学习技术，可以开发智能化的学习助手，为学生提供实时的问题解答和辅导。这些个性化学习方法的研究和实践使得医学教育更加适应学生的需求，提高了学习效果和积极性。4.2人机协同：从关注独立思考到人机协同决策国际人工智能医学教育应用研究强调人机协同的医学工作模式。在以往的医学教育中，独立思考能力是医生必备的核心能力之一。医生需要具备自主分析病例、诊断疾病、制定治疗方案和进行决策的能力。然而，随着人工智能的应用，在临床实践中，医生通过与人工智能系统的合作，可以更快速、准确地诊断疾病，制定更科学、个性化的治疗方案，减少医疗错误，提高治疗效果。因此，在临床思维训练中，培养医生的团队协作和人机协同能力变得越来越重要。国际人工智能医学教育应用研究致力于开发智能化的决策辅助工具，帮助医学生培养临床思维和判断能力，提高医疗决策的准确性和效率。通过结合人工智能技术和医学教育实践，临床决策支持系统为医学教育和实践提供了重要的支持和指导。4.3虚实结合：教育环境从实体空间走向虚实结合VR 和增强现实技术在国际人工智能医学教育应用研究中得到广泛探讨。VR 和增强现实可以创建逼真的虚拟医疗场景和手术操作环境，提供学生在虚拟环境中进行实践和体验的机会。这种沉浸式学习方式可以增强学生的实践技能和决策能力，并提供一个安全的学习环境，减少患者风险。国际研究者不断探索如何将 VR 和增强现实与人工智能相结合，开发智能化的虚拟实境教学工具。这些工具可以根据学生的学习进度和表现，提供实时的反馈和指导，帮助学生更好地掌握医学知识和技能。总之，国际人工智能医学教育应用研究在个性化学习、临床决策支持系统以及 VR 和增强现实等方面取得了显著进展。这些研究的演进为医学教育提供了更多创新的教学方法和工具，培养出更具实践能力和创新思维的医学人才，推动医学领域的发展和进步。随着技术的不断进步和研究的深入，人工智能医学教育应用研究将继续迎来更广阔的前景和应用潜力。参 考 文 献 OSHEAT,SELFJ.LearningandTeachingwithComputers:TheArtifi-1cialIntelligenceRevolutionM.UpperSaddleRiver:PrenticeHallProfes-sionalTechnicalReference,1986:1-3.CHENBY,HWANGGH,WANGSH.Genderdifferencesincognitiveload when applying game-based learning with intelligent robotsJ.EduTechSoci,2021,24(3):102-115.2AKMESEOF,KORH,ERBAYH.UseofmachinelearningtechniquesfortheforecastofstudentachievementinhighereducationJ.InfTechnolLearnTools,2021,82(2):297-311.3CHENF,YUX.Perspectivestudyof2012-2020TALEpublicationsC/2021IEEEInternationalConferenceonEngineering,Technology&Educa-tion(TALE),Wuhan:IEEE,2021:708-714.4FENGLF,YANPJ,CHUXJ,etal.Ascientometricstudyofthetop100most-citedpublicationsbasedonWeb-of-ScienceregardingroboticversuslaparoscopicsurgeryJ.AsianJSurg,2021,44(2):440-451.5CHENX,XIEH,HWANGGJ.Amulti-perspectivestudyonartificialintelligence in education:Grants,conferences,journals,software tools,institutions,andresearchersJ.ComputEducArtifIntell,2020,1:100005.6CHENC,SONGM.Visualizingafieldofresearch:Amethodologyofsys-tematicscientometricreviewsJ.PLoSOne,2019,14(10):e0223994.7BODILY R,LEARY H,WEST R E.Research trends in instructionaldesignandtechnologyjournalsJ.BrJEducTechnol,2019,50(1):64-79.8DHARIASP,FALCONET.RoboticsinreproductivemedicineJ.FertilSteril,2005,84(1):1-11.9SCHNBURGS,ANHEUSERP,KRANZJ,etal.Cognitivetrainingforroboticsurgery:Achancetooptimizesurgicaltraining?:ApilotstudyJ.JRobSurg,2021,15(5):761-767.10MANIARHS,COUNCILML,PRASADSM,etal.Comparisonofskilltrainingwithroboticsystemsandtraditionalendoscopy:ImplicationsontrainingandadoptionJ.JSurgRes,2005,125(1):23-29.11COLLINSJW,WISZP.Traininginroboticsurgery,replicatingtheairlineindustry.Howfarhavewecome?J.WorldJUrol,2020,38(7):1645-1651.12LEIJTEE,CLAASSENL,ARTSE,etal.TrainingbenchmarksbasedonvalidatedcompositescoresfortheRobotiXrobot-assistedsurgerysimula-toronbasictasksJ.JRobotSurg,2021,15(1):69-79.13COLLINSJW,GHAZIA,STOYANOVD,etal.UtilisinganacceleratedDelphiprocesstodevelopguidanceandprotocolsfortelepresenceapplica-tionsinremoteroboticsurgerytrainingJ.EurUrolOpenSci,2020,22:23-33.14GEIGERJD,HIRSCHLRB.Innovationinsurgicaltechnologyandtech-niques:ChallengesandethicalissuesJ.SeminPediatrSurg,2015,24(3):115-121.15LAUE,ALKHAMESINA,SCHLACHTACM.Impactofroboticassis-tanceonmentalworkloadandcognitiveperformanceofsurgicaltraineesperformingacomplexminimallyinvasivesuturingtaskJ.SurgEndosc,2020,34(6):2551-2559.16MATHEWSS,BRODMANM,DANGELOD,etal.Predictorsoflaparo-scopic simulation performance among practicing obstetrician gynecolo-gistsJ.AmJObstetGynecol,2017,217(5):596.e1-596.e7.17SUHIH,LAGRANGECA,OLEYNIKOVD,etal.EvaluatingroboticsurgicalskillsperformanceunderdistractiveenvironmentusingobjectiveandsubjectivemeasuresJ.SurgInnov,2016,23(1):78-89.18TAMV,ZENATIM,NOVAKS,etal.RoboticpancreatoduodenectomybiotissuecurriculumhasvalidityandimprovestechnicalperformanceforsurgicaloncologyfellowsJ.JSurgEduc,2017,74(6):1057-1065.19(下转封三)人工智能医学教育应用研究的国际图景与趋势陈峰等医学与哲学 2024年 1月第 45卷第2期总第 733 期Medicine and Philosophy,Jan 2024,Vol.45,No.2,Total No.73371展进步之际，也给人类社会带来了一系列不可回避的复杂问题。随着新一代人工智能产品 ChatGPT 的爆火，医学教育领域迎来了诸多新变革，开展医学教育工作具有了更多的可能性，“ChatGPT+医学教育”成为医学教育未来发展的新方向。然而，ChatGPT 介入医学教育容易产生各种伦理问题，我们必须对此保持高度重视与警惕，始终以开放的胸襟和批判的眼光进行应用审视。因此，我们应该基于中国立场开展伦理问题的预防和治理工作，对 ChatGPT 介入医学教育进行伦理规制，保障 ChatGPT 真正在医学教育领域产生积极作用，为新时代