人工智能應用蔚然成風，香港大學醫學院近期將生成式人工智能引入醫學教育，除了早前開發AI病人，訓練學生溝通能力和接觸罕見病例，近期更開發以AI生成醫科生的考試題目，效果與由教師親自撰寫相若。外科學系臨牀助理教授許長峯接受本報專訪時透露，以AI生成多項選擇題比人手快10倍，有助減輕教師工作量。不過，他強調雖然AI在醫學教育可大派用場，但教師的專業知識仍不可或缺，將來AI仍難取代人類。
記者 蔡健行
醫學教育和考核素來嚴謹，以免學生習非成是，將來影響病人。不過早前香港大學醫學院進行研究，大膽嘗試以生成式AI撰寫醫科生的考試題目。有份參與研究的外科學系臨牀助理教授許長峯，早前接受本報專訪指，醫科教師除了教學，亦要兼顧研究、在醫院診症等工作，「出題目時還要每年都不相同，對教師而言是很大的工作量」，因此研究以AI為考試出題目。
出題質素與教師相若
研究在去年初進行，8月於國際學術期刊《公共科學圖書館：綜合》發表結果。許長峯稱，他與一名內科醫生共撰寫50條醫科生畢業考試程度的多項選擇題，並指示AI就兩本醫科教科書的內容同樣撰寫50條問題。兩名醫生合共花了211分鐘撰寫題目，但AI只需20分鐘，「我們把教科書內容輸入AI的過程亦計算在內，可能這步驟用的時間更佔了大部分。」除了速度快，許長峯指AI的出題質素亦與由教師親自撰寫相若，「我們將問題交給一些醫療學者，他們也分辨不出哪些是人寫、哪些是AI寫。」
雖然質素有保證，不過許長峯指目前試題仍由教師親自撰寫。他解釋，AI暫時未能生成可靠的圖像，「譬如題目中的X光圖像，AI生成後仍要由教師檢查是否準確」，但未來會邀請學生試做題目，研究會否影響及格率。至於AI能否生成開放式題目，許長峯稱研究未涉獵，「理論上可以，但我們以選擇題為研究，主要因為我們可客觀評價題目出得好與否；答案容易猜中、有些選項一看便知是錯，這些就不是好的題目。」
AI難代傳統醫學教育
生成式AI亦用於由許長峯及團隊早前公布的「AI病人」研究，以聊天機械人的形式扮演病人，目前已於乳腺外科的教學使用。他指，現時公立醫院病人流轉率高，加上並非所有病人都願意成為醫科生上課的「病例」，AI病人有助學生學習應對不同性格、患上不同疾病的病人。
AI能生成不同場景和病例，但許長峯表示病例都由教師擔任「導演」，「若任由病情隨機變化，我們很難猜到病情發展，事先準備的教材或用不着。」他又強調，AI的機器學習始終基於人類，不能盡信，「若有人輸入錯誤資訊，AI輸出的資訊便會錯。相信無論AI怎樣發展，始終不能取代傳統醫學和臨牀教育。」許長峯又表示，病人的動作、表情有時亦有助診斷，AI病人始終只是聊天機械人，無法取代與病人面見的訓練，「我們訓練醫科生不是要訓練他們與電腦對話，他們畢業後是要診治真病人，與真人溝通、觀察才是最重要。」
許長峯稱，除了生成式AI，一般的AI亦有助教學和診斷。他舉例，港大最近研發AI，可辨識學生超聲波取樣圖像是否準確；大學亦正研究以AI分析影像，診斷病人是否罹患乳癌。至於AI能否取代傳統的醫學診斷和教學，許長峯認為AI發展未成熟，「連醫生診斷也不可能100%準確，更何況是AI？而且醫生經過專業的培訓，但AI只依靠人類輸入的資訊學習，所以AI未來都只是輔助性質。」
《星島頭條》APP經已推出最新版本，請立即更新，瀏覽更精彩內容：https://bit.ly/3yLrgYZ
