欢迎访问《中国医药导报》编辑部！

在医疗卫生系统持续革新的背景下，麻醉与围手术期医学科作为一个核心科室，融合了多学科的重点知识，与外科系统、重症医学科、影像科等众多科室紧密协作共同完成患者的诊疗工作[1]。随着老龄化的不断加深，合并多种并发症的高龄手术患者日益增多，这无疑对麻醉医师的理论知识储备、操作技能熟练程度及应急应变能力构成了严峻挑战。在这样的背景下，对麻醉医师，特别是低年资医师的临床教学工作显得尤为重要，其教学质量直接影响麻醉医师临床决策的科学性、合理性与患者的安全。传统教学模式往往存在理论知识与临床实践脱节、理论学习与操作技能未能有机融合等问题，已难以适应现代化医院对临床麻醉教学工作的高质量要求[2-3]。因此，寻求更科学、高效的教学管理方法迫在眉睫。

随着人工智能（artificial intelligence，AI）的快速发展，AI在信息技术、自媒体、教育等众多领域展现出了巨大的应用潜力[4]。在医疗卫生行业，梅奥医学中心、北京协和医院、四川大学华西医院等先后采用不同的AI模型来分析患者的病历，对围手术期可能存在的麻醉风险如困难气道、高血压、糖尿病相关风险等进行预测和分层管理；自动化监控、闭环反馈、自动分析与趋势预测的AI模型和程序也已经不同程度加载到了麻醉机、监护仪、微量注射泵等医疗设备；2024年7月，随着浙江大学医学院附属第二医院MedCopilot大模型的发布，其成为了全国首家将AI大模型嵌入到电子病历系统中的医疗机构。AI的应用不仅可以辅助医师进行医学图像读片，还可以进一步优化诊疗方案，大大提升了工作效率[5]。AI依靠其精准的识别能力与强大的学习和推理能力，为临床麻醉教学模式的革新提供了有力工具。AI能够学习、融合前沿医学知识，为教学工作及个人学习提供良好的资源，并且AI介导的虚拟现实（virtual reality，VR）技术可模拟临床场景，提高学员的学习兴趣，辅助学员熟练掌握麻醉操作技能与危机处理方式，提升其综合素质。

基于传统教学模式的不足及AI的优势，将AI引入临床麻醉教学成为教学改革的重要方向。本文着重探讨AI在临床麻醉教学中的应用优势，分析其面临的挑战，旨在为推动临床麻醉教学模式的改革提供参考，促进优秀麻醉专业人才的培养。

1 AI在VR模拟教学中的应用

VR技术通过模拟临床环境，使学员能够在仿真的环境中进行围手术期管理与操作练习，极大地提升了教学工作的安全性与重复性[6]。VR技术结合AI，在临床麻醉教学工作中有着明显的优势，一方面，VR可虚拟手术室环境、气管插管模拟器、心肺复苏模拟器、椎管内穿刺模拟器及神经阻滞模拟器等，使学员能够在仿真的环境中进行危机管理与有创操作，例如Intelligent Ultrasound公司开发的ScanNav辅助超声设备，能够智能识别至少10处的神经阻滞超声切面的解剖结构并以不同颜色标记，初学者在有无彩色辅助下，正确获得阻滞平面图像的比率分别为90.3%和75.1%，准确判读解剖结构的比率为88.8%和77.4%，相关设备的应用大大缩短了从理论到临床的学习时间；另一方面，AI可实时监测学员的操作、处理情况，及时向指导老师反馈并给予科学的建议，比如OARA系统，这是一种集AI评分与模拟场景于一体的训练平台，能够根据学生在虚拟操作中的具体表现给出详细评价，并据此优化其后续训练内容，不仅提高了指导老师对于学员的了解程度，还有力推动了学员的进步[7-8]。此外，AI能够结合学员的学习表现与进度制订个性化的学习方案，提升其学习的合理性与积极性。“AI+VR”的辅助工具使临床教学不再仅仅依赖真实患者的参与，有效降低了有创操作与危机处理的潜在风险，也为学员提供了反复训练与复杂、罕见病例学习的机会。这一教学模式不仅有效解决了传统教学中实践资源不足与风险难以控制的难题，还为提升麻醉人才培养质量开辟了新的方向。

2 智能交互系统驱动临床思维培养

AI驱动的智能交互系统通过与学员深度互动，促进其临床思维的培养。该系统可依据学员的学习情况、教学安排等，制订个性化的进度安排与学习方式，通过真实病例引导学员不断提问、思考，促进其临床思维的养成。在VR与人机交互等技术辅助下，学员能够在仿真的环境中对虚拟患者进行管理，大大增加了学员的积极性并增强了对知识的理解与记忆，比如AI驱动的数字人能够模拟真实患者的生理反应、病状表现和人际互动，为医师提供沉浸式的体验，此外，其还能实时响应医师的操作，呈现出个性化的虚拟环境[9]。智能交互系统通过实时采集学员在临床模拟中的操作、决策及语言交互信息，对操作规范性、临床决策合理性及病情分析准确性等多维度进行量化评价与反馈指导，现有的BLEU和ROUGE自动化评估体系便可以对比分析学员结果与参考答案的相似之处，通过进一步的人工评估让指导老师实时掌握学员的学习情况并进行个性化学习方案的制订[10]。这一模式形成了指导老师与学员之间“问题-反馈-优化”的闭环机制，促进了学员积极主动学习与临床思维的培养。

3 AI促进知识整合与个性化学习

AI通过学习、融合不同科室指南、共识、操作方法等前沿医学知识，将零散、无序的知识整合、转化为符合麻醉科特点的知识框架体系，促进学员对知识的理解与掌握，纽约大学格罗斯曼医学院开发的“DX Mentor”便可以从多源数据库中自动提取相关文献、图表、视频与指南内容，定制个性化的学习资源。同时，AI凭借高效的分析能力，对学员在学习过程中的学习、得分情况与操作表现等多维度数据进行综合分析，辅助指导老师准确把握学员的优势与不足，并为其制订个性化的动态学习方案，以此提高学员的学习效率，譬如“智能虚拟麻醉病人平台”，能够根据学员的操作和表现动态调整其后续学习的难度[11-13]。这一AI引导下的教学模式不仅突破了传统教学模式的局限性，还通过实时检测与反馈为教学质量的持续优化提供量化依据，推动了教学的进步。

4 AI辅助低年资麻醉医师临床实践

低年资麻醉医师因临床经验有限，在复杂患者的围手术期管理中常存在决策难等问题。AI可通过整合、学习、分析大量的麻醉病例信息、指南、共识及相关研究数据等，构建决策辅助系统[14]。在术前评估阶段，基于已有大模型对患者进行困难气道的风险预测，辅助麻醉医师掌握风险并制订个性化的麻醉方案；在术中通过实时监测患者生命体征变化，例如“低血压预测指数”通过数值的变化辅助医师进行剂量的调整，“人工神经网络模型”提供稳定、准确的麻醉深度指标，以此预测危机事件的发生并发出预警、提供处理建议；术后则依据患者恢复指数及时反馈并给予调整建议。此外，AI驱动的虚拟仿真训练平台，可模拟各种危机事件，辅助低年资医师在安全环境下反复训练，有效缩短其临床经验积累周期，提升麻醉实践安全性与诊疗水平[15-17]。

5 AI应用的局限性与挑战

尽管AI在医疗卫生行业的应用展现出巨大潜力，但其应用仍面临诸多挑战。首先，AI的应用涉及大量的病例数据，这些信息的泄露将会给患者带来不可避免的困扰，患者隐私的保护是AI广泛应用的一个关键问题[18]。其次，AI辅助决策导致不良后果时，责任应归属于麻醉医师还是开发团队，目前的法律法规对此并没有一个明确的说明，这给教学实践带来了潜在的法律风险。同时虚拟病例的版权归属、使用规范尚不明确，这些问题都需要进一步的讨论、解决。最后，AI相关的软、硬件设施成本较高，限制了其广泛的应用，并且智能交互系统、VR等并不能完全还原现实，存在一定的适应性问题[19-20]。

6 小结与展望

AI技术为临床麻醉教学带来革命性变革，在模拟培训、临床思维培养、个性化学习及实践指导等方面展现出明显优势。但是，其在伦理规范、内容真实性及行业标准等方面的挑战仍然不容忽视。未来，需加强AI与教学的深度融合，完善伦理监管机制，制定行业技术标准，推动AI在临床麻醉教学中安全、规范与可持续发展，助力高水平麻醉医师的培养。

利益冲突声明：本文所有作者均声明不存在利益冲突。

[1] 王恒跃，薄禄龙，范晓华，等.临床麻醉住院医师规范化培训的探索与实践[J].中国继续医学教育，2024，16（1）：164-168.

[2] 黄泽汉，韦忠良.医学模拟教学在麻醉学教育中的意义及作用[J].中国培训，2017（2）：49.

[3] 王亚楠，蒋知轩，何昊洋，等.大语言模型发展历程及其在临床医学教育中的应用[J].华西医学，2025，40（5）：777-782.

[4] OMIYE J A，GUI H，REZAEI S J，et al.Large language models in medicine：the potentials and pitfalls：a narrative review [J].Ann Intern Med，2024，177（2）：210-220.

[5] 申乐，黄宇光.迎接临床麻醉的人工智能时代[J].临床麻醉学杂志，2025，41（2）：117-118.

[6] 张东，律峰，闵苏，等.虚拟仿真技术在临床麻醉技能教学中的应用[J].检验医学与临床，2024，21（7）：1013-1016.

[7] 梅伟，周亚群，王英伟，等.大力发展人工智能技术赋能麻醉学科新质发展[J].中华麻醉学杂志，2024，44（11）：1281-1284.

[8] 李响，韩永正，郭向阳，等.人工智能辅助超声技术在麻醉领域的应用进展[J].临床麻醉学杂志，2025，41（3）：300-304.

[9] WEINER C K，SKÅlÉN M，HARJU-JEANTY D，et al.Implementation of a web-based patient simulation program to teach dental students in oral surgery[J].J Dent Educ，2016，80（2）：133-140.

[10] 江哲涵，奉世聪，王维民.人工智能生成内容在医学教育中的应用、挑战与展望[J].中国教育信息化，2024，30（8）：29-40.

[11] 马武仁，弓孟春，戴辉，等.以ChatGPT为代表的大语言模型在临床医学中的应用综述[J].医学信息学杂志，2023，44（7）：9-17.

[12] JOWSEY T，STOKES-PARISH J，SINGLETON R，et al.Medical education empowered by generative artificial intelligence large language models [J].Trends Mol Med，2023，29（12）：971-973.

[13] 白洁，高天昱，顾耀祖，等.人工智能和虚拟现实技术在麻醉学教学中的实践与前景：个性化学习路径的综述研究[J].中国医学教育技术，2025，39（3）：322-327.

[14] NERIE，COPPOLAF，MIELEV，et al.Artificialintelligence：Who is responsible for the diagnosis？[J].Radiol Med，2020，125（6）：517-521.

[15] 王源，崔志春，阳玉中，等.人工智能在麻醉科住培教学中的应用探讨[J].继续医学教育，2025，39（2）：155-158.

[16] 易斌，刘祥，刘江，等.大模型在围术期医学中应用的前景[J].中华麻醉学杂志，2023，43（7）：773-777.

[17] 蒲杰胡，益民.人工智能在麻醉与围术期应用的研究进展[J].实用老年医学，2023，37（9）：873-877.

[18] HUO B，BOYLE A，MARFO N，et al.Large Language Models for Chatbot Health Advice Studies：A Systematic Review [J].JAMA Netw Open，2025，8（2）：e2457879.

[19] HALLQUIST E，GUPTA I，MONTALBANO M，et al.Applications of Artificial Intelligence in Medical Education：A Systematic Review[J].Cureus，2025，17（3）：e79878.

[20] 于兰亦，翟晓梅.人工智能在临床实践中的创新应用和伦理挑战[J].数字医学与健康，2024，2（2）：108-112.

【作者机构】	西安医学院研究生处；空军军医大学口腔医院麻醉科
【分类号】	R192
【基金】

人工智能在临床麻醉教学中的应用与挑战

目录