医学生AI素养能力清单及测评框架共识（2025）.docxVIP

医学生AI素养能力清单及测评框架共识（2025）

医学生AI素养是数字健康时代医学人才核心能力的重要组成部分，是医学生理解、应用、评价和发展人工智能（AI）技术以服务医学实践的综合能力。本共识基于医学教育规律、AI技术发展趋势及临床实践需求，系统构建医学生AI素养能力清单及测评框架，旨在为医学院校课程设计、教学实施及能力评价提供科学依据。

一、医学生AI素养能力清单

医学生AI素养能力体系包含四大核心维度：基础认知能力、场景应用能力、伦理思辨能力、协同创新能力。各维度能力点及具体要求如下：

（一）基础认知能力

基础认知能力是医学生理解AI技术本质、医学AI应用逻辑的知识基础，涵盖AI基础理论、医学数据特征及医学AI系统原理三个子维度。

1.AI基础理论认知：需掌握AI核心概念（如机器学习、深度学习、自然语言处理、计算机视觉），理解监督学习、无监督学习、强化学习的基本原理及适用场景；熟悉常用AI算法（如决策树、神经网络、Transformer模型）的特点与局限性；了解AI系统开发的基本流程（数据采集-清洗-标注-模型训练-验证-部署）及关键技术环节（如过拟合、欠拟合的解决方法）。

2.医学数据特征认知：需明确医学数据的特殊性（多模态性：影像、文本、检验报告；高维性：单张CT含数万像素；时序性：动态监测数据；隐私敏感性：涉及患者个人信息）；掌握医学数据质量评估要点（完整性：关键指标缺失率；准确性：检查报告与影像的一致性；一致性：不同设备采集数据的标准化程度）；理解医学数据标注的规范要求（如DICOM格式影像标注的解剖结构标准化、电子病历自然语言标注的术语一致性）。

3.医学AI系统原理认知：需解析典型医学AI系统（如影像辅助诊断、临床决策支持、药物研发模拟系统）的技术架构；明确医生在AI系统中的角色定位（数据贡献者、模型验证者、临床使用者）；掌握医学AI系统性能评价的核心指标（如诊断系统的准确率、召回率、特异度；预测模型的AUC值、校准度），并能解读技术文档中的性能参数（如“在肺结节检测中，模型对≥8mm结节的召回率为92%”）。

（二）场景应用能力

场景应用能力是医学生将AI技术与医学实践结合的关键能力，聚焦临床诊疗、公共卫生、健康管理三大场景，强调技术工具的合理使用与问题解决能力。

1.临床诊疗场景应用：

-影像辅助诊断：能操作医学影像AI系统（如肺结节检测、乳腺癌钼靶筛查系统），完成图像上传、参数设置（如感兴趣区域选择）；识别AI输出结果的局限性（如对≤5mm微小结节的漏检风险）；结合临床病史、其他检查结果对AI提示的“疑似异常”进行综合判读；参与AI模型的临床验证（如标注漏诊病例、反馈误诊案例）。

-电子病历智能处理：利用自然语言处理（NLP）工具提取电子病历中的关键信息（如主诉中的症状持续时间、既往史中的手术类型）；通过规则引擎或机器学习模型完成结构化病历的自动生成（如将非结构化病程记录转化为包含“症状-体征-检验-处置”的标准化表格）；识别智能病历中的潜在错误（如NLP误将“血压120/80mmHg”提取为“120/60mmHg”）并修正。

-临床决策支持：理解临床决策支持系统（CDSS）的规则逻辑（如基于指南的用药剂量推荐、基于风险预测模型的治疗方案建议）；评估CDSS建议与患者个体特征的匹配度（如肾功能不全患者是否需调整AI推荐的抗生素剂量）；在AI提示“高风险”时（如深静脉血栓预测模型提示VTE风险≥30%），能快速检索证据并制定干预方案。

2.公共卫生场景应用：

-流行病学监测：利用AI模型分析传染病监测数据（如发热门诊就诊记录、药店购药数据），识别异常聚集性事件（如某社区3日内出现5例不明原因肺炎）；解读时间序列预测模型的输出（如“未来7日流感样病例数预计增长20%”），并结合气候、人口流动等因素判断预测合理性；参与疫情报告系统的AI辅助审核（如自动识别报告中的逻辑矛盾：“患者无武汉旅行史但诊断为COVID-19”）。

-健康危险因素分析：运用机器学习方法筛选慢性病高危因素（如通过随机森林模型识别2型糖尿病的关键变量：腰围、空腹血糖、家族史）；解读SHAP值等可解释性工具的分析结果（如“患者BMI=30对糖尿病风险的贡献度为+25%”），并向患者解释主要风险因素；参与社区健康档案的AI动态管理（如自动标记“高血压未控制”人群并生成随访提醒）。

3.健康管理场景应用：

-个性化健康评估：使用AI健康风险评估工具（如基于深度学习的心血管风险预测模型），结合患者生理指标（血压、血脂）、生活方式（饮食、运动）数据生成评估报告；识别评估结果的局限性（如模型训练数据以中年人群为主，对青少年