國立成功大學 教務處推廣教育中心、醫學院寄生蟲學科
辛致煒

技術重塑溫度：生成式 AI 在醫學教育中的應用探索

---

  醫學教育正經歷一場深刻轉變——從過去以疾病為中心的培訓模式，逐漸轉向以病人為中心、以關係為導向並強調文化謙遜的人文關懷。現代臨床醫師除了要掌握精湛的醫學知識和技術，更需具備跨文化溝通能力、同理心以及與患者共同決策的能力，以提供全人照護。然而，在傳統教學中，如何有效培養這些「有溫度」的軟實力，一直是醫學教育的挑戰。

模擬跨文化與全人情境：AI 助力培養同理溝通

  生成式人工智慧（如 ChatGPT、Med-PaLM 等）帶來了一種前所未有的教學工具，能夠模擬各種真實世界的溝通情境。透過 AI 系統扮演不同背景的「虛擬病人」，醫學生得以練習面對多元文化、不同價值觀與信仰的患者。例如，學生可以與 AI 模擬的患者進行對話，這位「患者」可能來自不同族群，有著獨特的健康信念或語言習慣。在這種安全的模擬環境中，學生可以反覆練習調整自己的溝通方式，學習尊重患者的文化脈絡和個人偏好，從而培養文化能力與同理心。

  這類 AI 模擬還可以呈現各種棘手的倫理衝突場景，例如患者拒絕特定治療、家庭在醫療決策上意見不一，或臨終關懷中關乎價值觀的抉擇。學生透過與 AI 扮演的不同角色對話，必須即興回應患者的疑慮、情緒與需求，學習在壓力下保持溝通技巧和人文關懷。

  關係為本的照護強調醫病之間的連結與信任，AI 所提供的動態對話能模擬真實臨床的不可預期性，讓學生體驗建立信任關係的過程。例如，AI「患者」可能表現出焦慮、困惑甚至生氣的情緒，學生需要練習傾聽與共情，才能有效回應。透過不斷的練習與反饋，醫學生更能理解患者作為一個完整的人所經歷的身心挑戰，進而深化全人照護的觀念。

共享決策演練與個別化教學：AI 導入的前瞻應用

  除了人文溝通訓練，生成式 AI 在共享決策和個人化學習方面也展現了前瞻應用潛力。共享決策強調醫患雙方共同討論治療選項，考量患者價值觀與偏好來制定醫療計劃。傳統上，學生很難有機會在受控環境下反覆練習這種對話。

  而借助 AI，學生可以與「模擬患者」討論治療方案的利弊。舉例而言，AI 可以扮演一位慢性病患者，反覆詢問某項侵入性治療的風險和好處，或提出自己生活目標的考量。學生必須用淺白易懂且富同理心的語言，解釋醫療資訊並詢問患者的意願。在這樣的互動中，學生逐步學會如何與患者一起做決定，真正落實以患者為中心的理念。

  生成式 AI 也可成為每位學生的個別化教師。透過分析學習者的需求，AI 可以調整教學內容與難度，提供客製化的案例討論或知識講解。例如，對於需要加強溝通技巧的學生，AI 可以提供更多同理溝通的練習情境。若學生在知識理解上出現盲點，AI 則能換個方式再解釋，直到他真正掌握為止。這種即時回應和個別化指導，有助於每位學生依照自己的節奏學習。

  此外，語言回饋功能讓學生在模擬對話後，能獲得對自身用語和態度的評估。AI 可以指出學生是否使用了過多專業術語、語氣是否足夠友善，以及在表達上有無需要改進之處。特別是在雙語或多語環境下，AI 還能協助學生練習以患者母語或偏好的語言溝通，並在過程中即時糾正用詞和表達的細微差異。

  另一方面，AI 驅動的模擬訓練平台也在興起，結合虛擬實境（VR）等技術，使訓練更加身臨其境。

  例如，已有醫院與科技公司合作開發「AI 虛擬病人」系統，讓教師能在數分鐘內打造各種情境的病例，供學生在安全環境中進行練習。

  這些情境不僅涵蓋多科別的臨床案例，也融入了醫病溝通和團隊協作的要素。透過遊戲化的體驗，學生的參與度提升，在複雜情境下做出適當反應的能力也逐步增強。初步經驗顯示，使用這類 AI 模擬進行教學的回饋相當正面，許多臨床教師發現它確實能提升學生的問診技巧、溝通表現與同理心，也期待未來持續運用此工具。

平衡創新與責任：導入 AI 時的倫理與反思

  雖然生成式 AI 為醫學教育帶來了令人興奮的創新，但在導入過程中仍需謹慎面對多項倫理與安全挑戰。首先是偏誤與公平性的問題：AI 模型的訓練資料若偏重某些文化或族群，可能導致模擬對話中出現刻板印象或不恰當的回應。教育者必須監督 AI 提供的內容，確保學生學習到的是正確且尊重多元的觀點，而非強化既有偏見。

  隱私與保密則是另一大考量。當學生在與 AI 練習時，可能輸入真實或接近真實的病例資訊，因此所使用的 AI 平台必須妥善保護資料，避免洩漏患者隱私。此外，在收集學生對話表現以進行評估時，也需要匿名化處理，維護學生的隱私和受教權益。

  第三，必須警覺AI的侷限與倫理風險。雖然 ChatGPT 等模型能產生看似有溫度的回應，它們並非真正具有情感或道德判斷。學生應被教導辨識 AI 可能產生的錯誤資訊（例如所謂的「幻覺」現象），並了解任何 AI 建議都需要經過人類專業的審核。過度依賴 AI 可能導致所謂「自動化偏誤」（automation bias），醫學生仍須培養獨立思考和決策能力，而非盲從 AI 的回應。

  最後，人文關懷的本質仍源自人。生成式 AI 可以作為訓練同理心和溝通技巧的輔助工具，但真正的同理與關懷必須透過真實的人際互動來體會和表現。醫學教育工作者因而需要平衡科技與傳統教學：一方面擁抱 AI 帶來的新可能，另一方面確保學生有足夠機會與真人患者交流，從中汲取實際經驗與情感連結。唯有如此，AI 的引入才能達到初衷——強化而非取代我們對醫學生人文素養的培養。

結語

  生成式 AI 正快速融入醫學教育領域，從模擬跨文化溝通到支持共享決策，處處展現對培養未來醫師的助益。對臨床醫師而言，這代表未來的新一代醫學生將有更多機會在學校階段就磨練溝通、共情與決策的技巧。當 AI 成為教育的共伴，教師與醫學生都需以開放且審慎的態度迎接此變革。透過對 AI 優勢與侷限的深思熟慮，我們可以將這些新興工具用於深化文化能力、全人照護與共享決策的教學，最終培育出既擁有專業知識、又兼具人文溫度的醫療人才。