三軍總醫院耳鼻喉部暨教學部
林鴻哲

人工智慧素養(AI literacy)在醫學教育中的角色與發展：從基礎理解到臨床應用

---

一、引言：為什麼醫學生需要AI素養？

  時至今日，人工智慧（Artificial Intelligence, AI）已快速發展，醫學生所需面對的學習挑戰已不再侷限於臨床技能與知識的累積，更延伸至AI相關技術的理解與應用。目前醫療環境中，AI已經逐步引進：從輔助診斷影像判讀、病歷摘要、到臨床決策輔助系統(clinical decision support system, CDSS)與個人化治療建議，AI正逐步重新塑造醫療人員的角色與行為模式。因此，培養醫學生的「AI素養」（AI literacy）成為現今醫學教育不可忽視的核心議題。

      國際上相關學會已逐步納入AI素養於醫學教育指引中，舉美國醫學院學會（Association of American Medical Colleges，簡稱AAMC）為例。AAMC 發布《Principles for the Responsible Use of Artificial Intelligence in and for Medical Education》，其中提出七項 AI 教育與應用原則： ¹

1. 維持以人為本的核心價值(Maintain Human-Centered Focus)
2. 確保倫理與透明的使用原則(Ensure Ethical and Transparent Use)
3. 促進平等AI可近性(Provide Equal Access to AI)
4. 強化教育與持續專業發展(Foster Education, Training, and Continuing Professional Development)
5. 跨領域合作發展課程(Develop Curricula Through Interdisciplinary Collaboration)
6. 保護資料隱私(Protect Data Privacy)
7. 監測與評估(Monitor and Evaluate)。

  舉鄰近的日本與韓國為例，在日本醫學教育核心課程標準模式「The Model Core Curriculum for Medical Education in Japan」中，也已將資訊科技（Information Technology, IT）列為醫學生必備能力項目之一，並涵蓋人工智慧的基本原理與應用於IT-02項目之中。 ² 韓國學者 Lee 等人則透過 Delphi 調查與全國問卷調查，建立出六項醫學系畢業生應具備的 AI 核心能力指標 ³：

1. 了解數位健康與人工智慧驅動所帶來的變革（understanding digital health and changes driven by AI）
2. 具備醫療人工智慧的基本知識與技能（fundamental knowledge and skills in medical AI）
3. 理解醫療人工智慧應用中的倫理與法律面向（ethics and legal aspects in the use of medical AI）
4. 在臨床實務中應用醫療人工智慧（medical AI application in clinical practice）
5. 處理、分析與評估醫療資料的能力（processing, analyzing, and evaluating medical data）
6. 醫療人工智慧的研究與開發（research and development of medical AI）

二、何謂「AI素養」？定義與內涵

  Long與Magerko學者將AI定義為「AI literacy is "the ability to understand, use, evaluate, and critically engage with AI technologies」，包含四大面向 ⁴：

1. 概念理解（了解機器學習、深度學習、自然語言處理）
2. AI應用能力（能夠與AI工具如Gemini、ChatGPT等互動）
3. 批判素養（具備辨別AI偏誤、透明度與限制的能力）
4. 倫理與人文反思（資料隱私、同理心、臨床責任）。

  Gordon等人亦提到，「AI 素養對於未來的醫師而言至關重要，因為他們必須能夠掌握使用 AI 工具於醫療照護中的倫理、技術與實務層面」 ⁵。Almatrafi等人發表之systematic review文章中，提出核心架構，包含：

1. 評估（Evaluate, 91%）
2. 倫理導向引導（Navigate Ethically, 91%）
3. 使用與應用（Use & Apply, 82%）
4. 知識與理解（Know & Understand, 73%）
5. 辨識（Recognize, 64%）
6. 創造（Create, 64%） ⁶。

三、AI素養在醫學教育的應用場域

1. 醫學課程中的導入：使用虛擬病人平台輔助學習，學習如何正確問診，開立各項檢查。
2. 臨床實習中的應用判讀能力：學習判斷AI建議與臨床經驗之間的差異。目前已有多款國內外 AI 輔助診斷系統，如甲狀腺超音波與睡眠呼吸中止症之影像分析工具。學生應在教師引導下，討論 AI 工具於臨床診斷應用的可行性與限制。
3. 評量與能力本位教育中的結合：例如在CBME架構中，採用EPA設計與AI互動的能力評估指標。
4. AI輔助醫學教育的發展：例如使用AI生成教案、使用AI進行學生回饋分析、使用AI協助教師整理教材等等。

四、台灣現況與挑戰

  隨著部分醫學院校已設計跨領域AI課程於醫學院之中，AI 與醫療倫理相關課程與規範，應逐步納入正式課程架構中。Weidener 等教授提出將人工智慧倫理於醫學教育中，文章中整理到 12 個教學內容包含如下：(1)知情同意（Informed Consent）、(2) 偏誤（Bias）、(3) 安全性（Safety）、(4) 透明性（Transparency）、(5)隱私（Privacy）、(6) 資源分配（Allocation）、(7)公平性（Fairness）、(8)責任（Responsibility）、(9)同理心（Empathy）、(10)可解釋性（Explainability）、(11) 法律責任（Liability）、(12) 責任歸屬（Accountability）。 舉責任歸屬這一子項目為例，該文章作者建議醫療專業人員須具備監督能力，正確批判性評估 AI 的錯誤。 此外，亦包含對 AI 表現進行持續監測，並依據醫療實務中的倫理與臨床標準演進做出調整。如同過往醫學的進步史一般，需要隨著科技進展與時俱進調整相關倫理議題與規章 ⁷。除此之外，目前教師對於AI學習與接受度不一，相關教材與評量工具尚未標準化與逐漸開發之中，如何培養教師AI能力，進而運用AI於日常教學中，亦是一項挑戰。學生方面，大部分學生對於AI持正面態度，但仍需有相關人工智慧素養培訓課程引導。

五、推動建議與展望

1. 教師培育方面：可定期舉辦 AI 教學工作坊，提升教師將 AI 技術融入教學的能力。並針對各系所老師所需，聘請相關教師進行AI能力培訓。
2. 學生AI課程導入：基礎醫學階段，培養醫學生具備AI基礎知識與程式概念，進而能夠運用AI於學習輔助上。臨床醫學階段，以與臨床場景相關之AI臨床應用課程。
3. 長期目標：可考慮依照CBME（Competency-Based Medical Education）精神納入AI素養為醫學生畢業基本能力指標之一。期能培養醫學生，具備解釋 AI 在臨床應用中的優勢與限制。辨識 AI 建議與實際臨床判斷間的差異，並能進行適當整合與判斷。了解 AI 系統可能產生的偏誤與倫理風險，例如資料不均衡、決策黑箱等問題。具備與資訊工程或 AI 專業人員有效溝通的能力，能與多專業團隊跨領域合作並共同解決問題。與資訊工程專業人員合作，共同開發符合台灣醫療與醫學教育需求之各種人工智慧系統。

六、結語

  運用人工智慧並非用以取代醫師，而是重塑醫師在AI科技時代下的角色。培養 AI 素養不只是為了熟悉技術操作，更是為了在資訊爆炸與倫理挑戰中，培育能思辨、具人文關懷且能引領科技進步的醫療專業人才。未來的醫師，應能兼具臨床智慧與數位能力，在人機協作的醫療場域中，維繫醫學的倫理本質與人性光輝。AI素養不僅是數位時代的必修能力，更是醫師在醫療科技與人文倫理間維持平衡的根本力量。

參考文獻 :

1. Association of American Medical Colleges. Principles for the Responsible Use of Artificial Intelligence in and for Medical Education. Retrieved May 2025, from https://www.aamc.org/about-us/mission-areas/medical-education/principles-ai-use
2. The Japan Association of Medical Schools. The Model Core Curriculum for Medical Education in Japan. https://core-curriculum.jp/en
3. Lee, Y.-M., Kim, S., Lee, Y.-H., Kim, H.-S., Seo, S. W., Kim, H., & Kim, K. J. (2023). Defining medical AI competencies for medical school graduates: outcomes of a Delphi survey and medical student/educator questionnaire of South Korean medical schools. Academic Medicine, 10.1097.
4. Long, D., & Magerko, B. (2020). What is AI literacy? Competencies and design considerations. Proceedings of the 2020 CHI conference on human factors in computing systems
5. Gordon, M., Daniel, M., Ajiboye, A., Uraiby, H., Xu, N. Y., Bartlett, R., Hanson, J., Haas, M., Spadafore, M., & Grafton-Clarke, C. (2024). A scoping review of artificial intelligence in medical education: BEME Guide No. 84. Medical teacher, 46(4), 446-470.
6. Almatrafi, O., Johri, A., & Lee, H. (2024). A Systematic Review of AI Literacy Conceptualization, Constructs, and Implementation and Assessment Efforts (2019-2023). Computers and Education Open, 100173.
7. Weidener, L., & Fischer, M. (2024). Proposing a principle-based approach for teaching AI ethics in medical education. JMIR Medical Education, 10(1), e55368.