Page 96 - 《南京医科大学学报社会科学版》2025年第5期
P. 96

南京医科大学学报（社会科学版）京医科大学学报（社会科学版）                 第5期 总第130期
                                                    南
              · 520  ·
                                             Journal of Nanjing Medical University（Social Sciences）of Nanjing Medical University（Social Sciences）  2025年10月
                                             Journal
               诊风险。反脆弱训练另一个重点是强化非结构化                             偏差或错误，更好地了解患者的病情，从而做出更
               信息标注训练。学生手动标注GAI 未识别的解剖变                          明智的诊断和治疗方案。动态可视化决策帮助学
               异或背景噪声，并结合病例讨论其临床意义，以恢                            生克服医疗数据的多模态性带来的挑战。通过开
               复对复杂信息的敏感性。                                       发基于XAI 的动态可视化工具（如热力图、决策树回
                   2. 虚拟现实（VR）与多模态感知整合，具身认知                      溯），可将 AI 的推理逻辑转化为医学生可理解的视
               的重建                                               觉界面，例如Diagnosis Assistant 系统，该系统支持多
                   多模态感知是指通过整合来自不同感官通道                           模态数据的联合分析和决策树回溯功能，为学生提
               的信息，从而更全面、准确地理解周围环境的过                             供诊断解释提示，增强学习体验。
               程。构建 VR 与多模态感知整合模型，通过数据融                              3. 构建数据治理机制，监管算法风险
               合和模态对齐，将视觉、听觉、触觉、情感等输入真                               通过研究 AI 在心血管医疗中的应用，学者发现
               实患者的生理反应、症状表现和人际互动中，模拟                            数据同质化与不公平流程会导致算法偏差                     ［15］ 。算
               真实触诊的物理反馈（如肿瘤硬度、器官位移），精                           法偏差源自训练数据的小样本和同质化。首先，在
               确复现虚拟诊疗场景中各类病症和体征。医学生                             数据引入阶段，扩大数据样本量，采纳不同地域、医
               可以在这样的环境中重建触觉感知网络，结合视                             院、人群特征等数据，引入异构数据源以提升模型
               觉、听觉与触觉信号，强化多感官协同诊断能力。                            的泛化能力。其次，在使用模型过程中建立多源数
               GAI 技术还可以驱动虚拟环境中其他角色的智能交                          据验证与偏差校正机制，构建“数据过滤器”屏蔽无
               互，营造出全方位、多角度的临床情景模拟，锻炼学                           价值数据，支持跨域数据共享，实现协同训练，减少
               生跨专业协作、沟通技巧和伦理决策能力，提升其                            模型偏差。建立“模型输出评估、数据收集、应用反
               综合临床胜任力。                                          馈、模型优化”闭环数据飞轮机制，形成“技术改进—
                  （二）技术设计：从“算法素养”到“算法治理”的                        临床获益”的正向循环。最后，在对模型监管评估阶
               全覆盖                                               段，完善算法分级分类，构建算法风险治理体系，以潜
                   1. 算法素养纳入学生核心能力培养框架                           在风险为基准进行分级，并进行差异化治理。
                   算法素养是指具备感知、理解和使用算法的能                              （三）医学人文价值重塑：从“技术理性”回归
               力。包括对算法的原理和技术逻辑的认知素养、运                           “身体理性”
               用算法工具解决问题的应用素养、具备对算法伦理                                工具理性和医学人文价值的冲突是技术主义
               问题的判断能力（例如识别算法偏见、保护数据隐                            和人文主义的显性对立，面对 AI 带来的主体性隐
               私等）的伦理素养、认识到算法对医学及社会潜在                            忧，在人—技共生中保持“元特征”和“共通感”才是
               影响的意识素养等四个维度。在教育培养方面，首                            向善之道    ［16］ 。
               先，是课程思政融合。将算法素养内涵及其社会性                                1. 医学人文价值的理念：身体理性
               反思有机融入医学和人工智能相关课程，使学生在                                胡塞尔认为，身体是前反思的、知觉的理性形
               习得 AI 技术基础的同时深刻体会其复杂的社会意                          式。“身体逻辑”主动通过意向性与世界互动，理性
               涵。其次，跨学科课程建设。开发如“医疗AI伦理困                          植根于身体的知觉经验，身体不是思维的客体，而
               境研讨”“算法原理与医疗决策”等专题课程，激发学                          是理解世界的原初主体 。生命现象学者以非意向
                                                                                      ［3］
               生审视技术如何重塑医疗的本质与医患关系                    ［14］ 。最    性为研究范式分析身体的内在性与情感性理性。身
               后，创新教学方法。广泛采用项目驱动学习（如设                            体感受具有直接的内在性，因而理性必须回归生命的
               计医疗 AI 应用原型）、结构化小组辩论（如讨论算法                        自我情感性，而非依赖对象化的认知框架                   ［17］ 。身体
               公平性案例）、情景模拟等互动形式，强化学生的主                           通过情感（如恐惧的收缩、快乐的扩张）动态地塑造
               动参与、实践操作能力，并系统培育其批判性思维                            其与世界的关系。在此框架下，理性表现为一种情
               与伦理决策意识。                                          感—空间的协调机制。身体理性理论揭示了身体
                   2. 从“黑箱算法”到“透明化—可干预系统”的                       在意义构建、知觉整合、情感体验等方面的作用，是
               构建                                                对身体意义的深层次探寻和对生命价值的肯定与
                   黑箱算法是指那些内部逻辑不透明、难以理解                          尊重，丰富了医学人文的理论基础。
               和解释的算法系统，例如医疗诊断缺乏可解释的判                                2.“生命在场”的虚拟仿真训练
               断依据，深度伪造技术生成虚假信息。开发可解释                                类似伯格曼的“聚焦物与聚焦实践”理念，“生
               人工智能（XAI）和引入算法动态可视化决策是克制                          命在场”的教育实践可以弥补技术带来的疏离感。
               黑箱的重要策略。在医疗教育领域，XAI 揭示了模                          运用 VR 和 AR 技术，构建包含伦理冲突、医患关系
               型对特定病例的推理过程，增强了 GAI 系统的透明                         等要素的立体化实训模块，使学习者通过多感官交
               度，通过检查局部解释，可以发现模型可能存在的                            互感受患者的情感、文化、行为以及决策的伦理思
   91   92   93   94   95   96   97   98   99   100   101